使用可穿戴 ECG 与加速度计传感器的跌倒检测智能应用

由于照护不断增长的老龄人口所带来的医疗与财务需求，及时可靠的跌倒检测是一个庞大且快速增长的研究领域。在过去二十年中，高质量硬件（高质量传感器与 AI 微芯片）和软件（机器学习算法）技术的可用性充当了该研究催化剂，使开发者具备开发此类系统的能力。本研究开发了多个应用组件，以探究跌倒检测系统的开发挑战与选择，并为未来研究提供素材。采用该方法开发的智能应用通过跌倒检测建模实验与模型移动部署的结果得到验证。总体最佳性能模型为在标准化和打乱的数据集上、窗口大小 2s 的 ResNet152，其达到了 92.8% AUC、87.28% 灵敏度与 98.33% 特异度。鉴于这些结果，显然加速度计与 ECG 传感器有益于跌倒检测，并能够区分跌倒与其他活动。由于所得数据集中发现的弱点，本研究留有显著的改进空间。这些改进包括为跌倒关键阶段使用标注协议、增加数据集样本数量、改善受试对象代表性，以及尝试频域预处理。