基于髋部穿戴加速度计数据的久坐行为估计：分割、分类与阈值化
机器学习
2022-07-06 v1 应用统计
摘要
队列研究正越来越多地使用加速度计来估计身体活动与久坐行为。这些设备往往比自我报告更不易出错，可捕捉全天的活动，且经济实惠。然而，以往基于髋部穿戴数据的久坐行为估计方法在自由生活情境与个体间差异下常无效或次优。本文中，我们提出一种考虑此情形的局部马尔可夫切换模型（local Markov switching model），并引入一种自然拟合该模型的姿态分类与久坐行为分析通用流程。我们的方法具有时间序列中的变点检测（changepoint detection）方法，以及将数据标注为 3 类（坐、站、踏步）的两阶段分类步骤。通过严格的训练-测试范式，我们展示了该方法达到 >80% 的准确率。此外，我们的方法鲁棒且易于解释。
引用
@article{arxiv.2207.01809,
title = {Sedentary Behavior Estimation with Hip-worn Accelerometer Data: Segmentation, Classification and Thresholding},
author = {Yiren Wang and Fatima Tuz-Zahra and Rong Zablocki and Chongzhi Di and Marta M. Jankowska and John Bellettiere and Jordan A. Carlson and Andrea Z. LaCroix and Sheri J. Hartman and Dori E. Rosenberg and Jingjing Zou and Loki Natarajan},
journal= {arXiv preprint arXiv:2207.01809},
year = {2022}
}