基于机器学习的智能衬衫异常检测：系统性综述

近年来，人工智能（AI）的普及与应用以及医疗物联网（IoMT）上的大量投资，使得智能袜子、智能裤子和智能衬衫等产品的使用变得普遍。这些产品被称为智能纺织品或电子纺织品（Smart Textile 或 E-textile），能够监测和收集我们身体发出的信号。这些信号使得利用机器学习（ML）技术提取异常成分成为可能，ML 技术在该领域中起着至关重要的作用。本研究针对智能衬衫中使用 ML 技术的异常检测，提出了一项文献系统性综述（SLR）。SLR 的目标是：（i）识别智能衬衫的异常类型；（ii）正在使用哪些 ML 技术；（iii）正在使用哪些数据集；（iv）识别智能衬衫或信号采集设备；（v）列出用于评估 ML 模型的性能度量；（vi）各技术的整体结果；（vii）正在应用的 ML 算法类型。SLR 筛选了 2017–2021 年间发表的 11 篇原始研究。结果表明，共识别出 6 类异常，其中跌倒（Fall）异常被引用最多。支持向量机（SVM）算法使用最广泛。大多数原始研究使用了公开或私有数据集。Hexoskin 智能衬衫被引用最多。使用最多的性能度量是准确率（Accuracy）。平均而言，几乎所有原始研究的结果都高于 90%，且所有原始研究都使用了监督式（Supervisioned）ML。