基于 RNN 的老年人身体活动能量消耗监测
摘要
通过量化身体活动能量消耗（PAEE），医疗健康监测有潜力促进重要且健康的老龄化，引发老年人的行为改变并将其与个人健康收益相联系。为了能够在监测环境中测量 PAEE，已开发出基于可穿戴加速度计的方法，然而这些方法主要针对较年轻的人群。由于老年受试者在能量需求和身体活动范围方面存在差异，当前模型可能不适合估算老年人的 PAEE。由于过去的活动会影响当前的 PAEE，我们提出了一种以建模序列数据能力著称的建模方法——循环神经网络（RNN）。为了针对老年人群训练 RNN，我们使用了 GOTOV 数据集，其中包含 34 名 60 岁及以上（平均 65 岁）的健康参与者，进行了 16 种不同的活动。我们使用佩戴于手腕和脚踝的加速度计，以及通过间接测热法得到的能量计数测量值。经过优化，我们提出了一种由 3 个 GRU 层和一个结合加速度计与参与者级别数据的前馈网络组成的架构。在本文中，我们描述了超越基于 GRU 的 RNN 标准功能所做的努力，旨在实现超越当前最优（state of the art）的精度。这些努力包括将聚合函数从均值切换为离散度度量（SD、IQR 等），结合时序与静态数据（如年龄、体重、BMI 等特定个人细节），以及添加由先前训练的 ML 模型预测的符号化活动数据。所得架构在将训练输入减少 10 倍的同时，性能提升了约 10%。因此，它可用于研究与代谢和认知健康及心理幸福感相关的活力参数与 PAEE 之间的关联。
引用
@article{arxiv.2006.01169,
title = {RNNs on Monitoring Physical Activity Energy Expenditure in Older People},
author = {Stylianos Paraschiakos and Cláudio Rebelo de Sá and Jeremiah Okai and Eline P. Slagboom and Marian Beekman and Arno Knobbe},
journal= {arXiv preprint arXiv:2006.01169},
year = {2022}
}
备注
For a revised, updated and published version (Jan 2022, open access) refer to the Journal of Data Mining and Knowledge Discovery, DOI https://doi.org/10.1007/s10618-021-00817-w. To make our experiments, scripts and results accessible to other researchers (open-source) we shared our scripts with the published version (Jan 2022)