面向远程被动监测应用的步态概率建模
信号处理
2019-01-31 v2 概率论
摘要
使用可穿戴设备进行被动且无侵扰的健康监测，有可能在全天中为用户健康状况带来新的洞察，并可能支持临床诊断与治疗。然而，识别足以反映用户健康状况的自由生活数据片段具有挑战性。在本工作中，我们研究了真实生活步态建模问题，步态是包括帕金森病（PD）在内的多种运动障碍的极具指示性的行为。我们开发了一个用于步态无监督分析的概率框架，将其聚类为不同类型，可用于评估日常生活中出现的步态异常。利用一个独特的数据集，其中包含帕金森病患者与非患者在自有生活环境中传感和视频记录，我们表明这种模型驱动的方法实现了高精度的步态检测，并能够捕捉服药后的临床改善。
引用
@article{arxiv.1812.02585,
title = {Probabilistic modelling of gait for remote passive monitoring applications},
author = {Yordan P. Raykov and Luc J. W. Evers and Reham Badawy and Marjan J. Faber and Bastiaan R. Bloem and Kasper Claes and Max A. Little},
journal= {arXiv preprint arXiv:1812.02585},
year = {2019}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:cs/0101200