可穿戴技术(WT)和移动应用程序(应用程序)提供支持连续健康监测的范围广泛的疾病,包括心理和生理。WT和应用程序可以在老龄化(尤其有用 1跟踪某些症状的发展,提供激励参与和支持远程医疗与远程监控。WT和应用程序的一些支柱移动健康研究( 2]。在大多数共享应用程序,应用程序可以用神经退行性损伤(一)物理定位丢失的那些人,(b)核对patient-reported措施和结果patient-reported经验措施(舞会和06),(c)自动评估一些神经退行性疾病的早期症状评估特性,比如内存,和(d)跟踪的情绪变化的EmoPaint应用。WT(1)监控身体活动可以在白天通过计算步骤,这是有用的在一些康复或退化性疾病,(2)追踪心脏的活动,以确保佩戴者的活动使心率在一个健康和nonrisky范围,和(3)检查渗透模式,以确保适当的休息。

这个特殊的问题包括六WT和应用的最新进展,包括(一)硬件创新multisemantic vibrotactile反馈,(b)智能传感器读数的分析预测,(c)步态评估,(d)分析调查数据对用户的感知。

WT和应用提高了很多解决方案,目的是改善健康和人们的生活质量。在这个特殊的问题,f . d . Guillen-Gamez和m . j . Mayorga-Fernandez分析病人和家庭成员的看法关于这些新技术的使用。他们还分析了这些看法与参与者的年龄和性别。他们的研究显示,增加技术感兴趣的年轻女性,年龄的影响在可穿戴设备的使用,以及隐私的重要性和信心的使用这些技术。

这些技术也可以改变健康监测和开放新的监控系统更好的卫生保健供给机会。注意在这个领域的另一个因素是预测的必要性和优先考虑个人的影响因素影响的过程采用可穿戴式医疗设备的消费者。美国的工作Asadi等人这个特殊的问题表明,感知有用性更重要的预测因子之一的采用这些设备。其他因素是健康利益,感知易用性,初始信任,消费者的创新性。

在情感的背景下,各种各样的应用程序可以跟踪情绪,和一般自我报告方法。一些应用程序依赖于简单的让用户选择自己的情绪等问卷与量表PANAS(积极的和消极的影响进度)。其他应用程序是基于情感分析的基础上估计其他自我报告的信息。例如,EmoPaint应用估计情感分析的基础上自我身体感觉依赖初始原型提出l . Nummenmaa et al。 3]。这个应用程序还允许用户提供反馈关于自己的情绪保持一种情感日记更准确的信息,让程序自动从定制预测为每个用户的反馈。此外,EmoPose 3 d应用程序允许用户报告从这些情感构成和检测情绪。底层方法是基于最初的情感体构成了k .辛德勒et al。 4]。然而,WT可以自动检测的情绪从传感器数据而不需要通过用户自我报告信息。c . e . Galvan-Tejada等人报道,传感器数据用于检测单极和双相患者的抑郁发作。他们使用遗传算法分析从smartband活动信号。

在一些WT和应用,人工智能(AI)在预测用户情绪和疾病中扮演着重要角色的可用数据。的情绪,EmoPaint(即使用计算机视觉技术。、分析不同的身体区域的颜色直方图),EmoPose应用案例推理,在这个特殊的问题和工作报告由c . e . Galvan-Tejada等人基于遗传算法。答:美国哈克等人提出了一种混合智能系统对心脏病患者和健康人进行分类。与克利夫兰心脏病的实验数据集比较了七个知名分类器和三个特征选择算法的性能。

WT仍然有限的反馈eye-free场景。在这个特殊的问题,f .王等人提出了一种新的机制来提供multisemantic vibrotactile反馈在腕带。特别是,他们评估一个腕带系统有5个振动模式,使用不同的振动电机坐落在不同的地方,腕带的方向。他们的实验表明,参与者能够区分不同的振动模式准确率达到了90%。

此外,WT可用于步态评估。在这个特殊的问题,r .钟山等人提出了一种方法来评估步态有四个智能在手腕和脚踝手镯连接到一个Android应用在智能手机和网站基于微软Azure。用户研究显示方法的效用评估步态在中国成人和提供反馈哪些方面可以提高从用户体验角度来看结果可视化。

在WT的扩张和医疗应用,一些框架关注敏捷软件开发的这些应用程序,像FAMAP(移动健康应用程序开发框架) 5]。但是这个框架使开发不同的应用程序和卫生保健将大数据分析和人工智能(例如,包括支持先进的基于主体模拟器对于预测某些治疗或病人的反响情况)。特别是,EmoPaint和FAMAP EmoPose应用程序开发。

这个特殊的问题有了进展监控用户WT和医疗应用,考虑用户的感知、情感跟踪、人工智能、vibrotactile反馈、评估和步态。然而,值得强调的是,除了WT和应用,物联网(物联网)的利益不断增加的背景下,医疗( 6),因为物联网与大数据从用户可以自动整理他们的家庭环境。由于大量的从物联网所生成的信息,一般物联网使用雾高效处理所有这些数据的计算。类似的技术可以应用在WT和应用程序。为了适当的提高这个领域扩张,WT和应用程序需要支持绿色计算,确保适当的水平的安全和隐私。我们希望这个特殊问题鼓励作品走向未来的医疗保健系统,整合WT,应用,物联网监测患者应用人工智能技术和大数据分析准确检测模式和预测患者可能相关的医疗条件。我们也希望研究人员将出于这个特殊的问题继续研究WT和医疗应用考虑上述挑战。