利用可穿戴传感器全天运动数据预测婴儿运动发育状态
机器学习
2018-10-16 v2 机器学习
摘要
出生当时或之前有各类并发症的婴儿被归类为发育迟缓风险儿（AR）。随着成长，他们接受医疗保健提供者的随访，以努力辨别其处于典型还是受损的发育轨迹。通常，在婴儿早期难以做出准确判定，因为典型发育（TD）婴儿在发育轨迹的内容与时机上均表现出高度变异性。研究表明，利用传感器与运动学分析系统，自发运动有潜力在生命早期区分典型与非典型轨迹。本研究中，使用机器学习分类算法，将置于婴儿身上一天的可穿戴传感器惯性运动数据作为输入，预测该婴儿为 AR 还是 TD，从而进一步确立早期自发运动与发育轨迹之间的联系。
引用
@article{arxiv.1807.02617,
title = {Predicting Infant Motor Development Status using Day Long Movement Data from Wearable Sensors},
author = {David Goodfellow and Ruoyu Zhi and Rebecca Funke and Jose Carlos Pulido and Maja Mataric and Beth A. Smith},
journal= {arXiv preprint arXiv:1807.02617},
year = {2018}
}
备注
4 pages, KDD Machine Learning and Healthcare Workshop August 2018. This work was funded in part by the American Physical Therapy Association Academy of Pediatric Physical Therapy Research Grant 1 and 2 Awards (PI: Smith) and in part by NSF award 1706964 (PI: Smith, Co-PI: Matari\'c)