日常活动分类为老年人使用可穿戴传感器

文摘

监控日常生活活动(ADL)使用可穿戴传感器可以提供客观的活动水平或限制经历了由病人或老人。目前的研究提出了一个two-sensor ADL分类方法与老年人专门设计和测试。十个健康的老年人参与了实验室检测与6类型的日常活动。两个惯性测量单元是附加到每个主题的大腿和躯干。结果显示整体misdetection率2.8%。当前研究的结果可以作为第一步更全面的活动监视技术专门为老年人设计的。

1。介绍

与无线通信等先进技术和生物医学工程,记录日常活动期间生理和运动信号成为可能(1,2]。隔离身体运动模式的特点在日常活动可以提供老年人的功能状态3,4)或运动障碍患者(5]。

传统的ADL(日常生活活动)评估工具包括自我报告、日记、问卷调查、或临床医生的主观判断6,7]。但是,这些工具通常是回顾,包括个人的意见从而导致不准确的决策(6,8]。为了提高信度和效度的评估日常活动,使用可穿戴运动传感技术已经采用(1]。同时,长期监测活动的日常生活成为可能通过小型运动传感器或可穿戴运动传感器(9- - - - - -11]。

有一系列的可穿戴传感器(例如,加速度计和陀螺仪)人类活动中常用的监测。与传统的实验室测量系统相比,可穿戴传感器有便携式的综合优势,轻量级的,具有成本效益的,非常适合长期健康监测在日常生活环境中(1,2,10- - - - - -12]。可穿戴传感器的应用领域之一是监测日常生活活动(ADL),它可以提供一个客观的活动水平或限制所经历的病人或老人。量化可穿戴传感器收集的日常活动的老年人将为临床和研究领域提供有意义的数据在评估老年人的水平的功能(3,4,10]。一项研究[13]试图分类日常活动的26岁年轻人在实验室使用单一传感器连接到腰,报道的敏感性为97.7%,特异性98.7%超过1309日期的运动。然而,在这个实验中,综合分类不能实现,因为只有一个传感器是用来测量加速度。在目前的研究中,为了反映整个身体的运动,实现更全面的分类活动,两个传感器在躯干和大腿被用来发现加速度在身体的不同部位。

ADL的详细评估提供了一种有前途的方法来客观地评价实验操作或医学干预措施的有效性,如康复计划,手术和药物治疗14]。早在1995年,一项研究[15)进行初步研究建立一个起点通过加速度计动态ADL监测。最近,Zhang et al。16]报道一个新的微机便携式身体活动测量装置(IDEEA),这是能够探测到32种有规律的身体活动。多年来,人们提出了很多方法对ADL使用加速度计或陀螺仪进行分类。然而,实现特别设计的老年人口一直被忽视的文学。

因此,这项研究的目的是设计和评估方法分类为老年人日常活动基于two-sensor系统。预计,该方法可以获得满意的检测性能,为量化misdetection的速率。这项研究的结果将有助于老年人口活动特征的理解。

2。方法

2.1。检测算法

ADL分类的一般原则是在静态阶段检测身体姿势,然后识别的类型之间的动态活动姿势使用基于规则的方法(17]。动态活动的类型可以包括各种体位转换、运动活动,和其他运动。反诽谤联盟的示意图说明分类如图1。整个处理过程分为四个阶段。

2.1.1。第一阶段筛选

躯干和大腿加速度计信号首先被低通滤波(巴特沃斯,4日秩序,0.5赫兹)。由此产生的信号(lpf)是用于姿态检测。大腿加速度计信号进一步高通滤波、整流,平滑(14]。由此产生的信号(HPFS分区)被用来区分动态和静态阶段使用阈值技术。

2.1.2。第二阶段静态或动态阶段

区分静态(姿势)和动态阶段(过渡姿势和活动)是通过将阈值技术应用到大腿HPFS分区的信号。基本原理是,更多的“动态”运动,加速度计信号越“变量”,和它将包含更多的高频分量14]。经验确定的阈值是0.04克。整个大腿HPRS信号被这个阈值分割成多个静态和动态阶段。

2.1.3。第三阶段的姿态检测

姿态检测在静态执行阶段确认的第二阶段。大腿和胸部lpf信号被用来估计的方向大腿和躯干部分,分别使用[18] 在哪里一个_z在纵向方向和加速度计信号吗一个_x是额方向的信号。大腿和躯干细分方向被用来识别的姿势使用最佳估计方法(19]。因为健康的老年人口的参考价值不是可用的文学,方向阈值(表1)是根据经验确定的在当前的研究中收集的数据。

2.1.4。第四阶段活动检测

类型的动态运动(活动或姿势产品化)为每个会话动态测定邻静态姿势类型的阶段。基于规则的算法指定所有可能的姿势之间的转换。具体地说,“站”之间的过渡活动被认为是”走。站“姿态之间的活动和姿势“坐”被认为是“坐下来”活动。动态水平坐在被用来确定类型的坐着。应该注意的是,这种基于规则的方案不是包罗万象,只考虑那些可能的活动/活动转移,是常见的一个典型的老年人。

2.2。实验室检测

十年老的参与者(= 75±6岁,体重= 74.1±9.1公斤,身高= 174±7.5厘米)参与实验室测试。通常他们需要好的身体健康。知情同意是弗吉尼亚理工大学的IRB委员会批准,从参与者获得之前的数据收集。

一个惯性测量单元(Inertia-Link微应变,Inc .)、美国)被靠近胸骨。Inertia-Link是面向微型传感器,能够测量三维定位、三维加速度,和3 d角速度。对定位性能,Inertia-Link的角分辨率< 0.1°,静态精度±0.5°,和动态精度±2.0°RMS(微应变,Inc ., 2007)。为加速度和角速度输出动态范围是300°±5 g / s和,分别(微应变,Inc ., 2007)。另一个惯性单元是放在右腿(正面和中点)的参与者。WiTilt包含一个小型三轴加速度计(美国飞思卡尔半导体MMA7260Q),可选择的动态范围为1.5 g, 2 g, 4 g, 6克。典型的敏感性是800 mv在1.5 g / g(飞思卡尔半导体,2005)。采样率的单位是100赫兹。

在实验中,每个参与者执行6类型的日常活动(数据2,3,4,5,6,7),包括坐在普通的椅子,坐到摇椅上,坐在斗式座椅,躺到一个医疗床,弯腰从地上捡起一个对象,和散步。他们被要求执行这些活动尽可能自然地按照自己的节奏。日常活动的演讲顺序是随机使用拉丁方设计。这些活动是有两个原因。首先,它们代表的活动,一个年长的成年人每天执行。第二,一些ADL(例如,弯腰坐下)被认为是具有挑战性的一个有效的跌倒检测算法的文献[6]。

数据采集是由一个专门设计的程序在虚拟仪器8.2(美国国家仪器,TX)。接受者操作特征(ROC)分析量化活动分类算法的整体性能。misdetection率量化计算的正确分类率为每个类型的活动。所有的分析MATLAB(美国MathWorks R2007b)。

3所示。结果

一个典型的坐下来活动试验的结果见图8,9,10,11。图8显示了原始三维加速度数据从惯性测量单元在大腿上段。图9显示了HPFS分区与静态和动态运动检测到0.04 g阈值范围。图10显示了垂直加速度(一个_z)和横向加速度(一个_x)的滤波器。图11显示了大腿和躯干的矢状方向,姿势和活动检测。

一百七十九(179)ADL试验收集并受反诽谤联盟分类算法。如表所示2所有试验(89试验)的三种类型的ADL(弯腰(29试验),躺下(30试验),和正常行走(试验)30日)没有任何misdetection被正确分类。正常坐在椅子上的一个试验是错误地分类为弯腰从地上捡起一个对象。其他四个试验并不认可的检测算法,没有分类。五不成功的试验,这三个试验造成传感器测量误差和其他两个试验由于难以探测到一个清晰的静态姿势最后审判的算法。总的来说,反诽谤联盟在当前的研究中能够被分类misdetection率只有2.8%。

4所示。讨论和结论

尽管有几个工具来评估老年人的体育活动,这些方法可靠性有限或测量的有效性和不适合长时间(9]。使用可穿戴运动传感技术为研究人类运动克服的局限性。监控日常活动调查了年轻人和中年人,许多研究人员(4,10,13]。目前的研究提出了一个方法专门为老年人口。

从目前的研究结果显示,一位杰出的反诽谤联盟的分类算法的分类性能。misdetection率是2.8%。五个部分(两个)这些misdetections是由于非均匀运动模式。最真实的活动是不均匀的,建议部署更复杂的ADL分类方法的未来发展实际的考虑。

他等。20.]报道了527正确分类的550次试验(95.82%)的准确性使用隐马尔可夫模型相比97.2%的本研究的准确性。在先前的研究中,进行11个不同主题系列活动由8种不同的活动产生的组合,然而,在目前的研究中,一个主题进行6种不同的活动,如锡、SR,某人,LD, BD, n .前面研究的活动水平(20.]可能引入的非均匀运动相比,目前的研究导致misdetection率较高(20.,21]。本研究的性能优于其他算法的文献[19,20.,22,23]。例如,最佳估计阈值方法(19),这是当前ADL的基础算法,实现了总体精度从84%到97%不等的不同类型的活动。最近,Karantonis et al。23)实现了一个实时ADL监控系统和观察到的一个总体misdetection率为10.2%。

应该承认,存在许多简化算法和反诽谤联盟测试协议相比,当前的研究采用的一项研究(20.]。简化的算法,一个主要是分类步行和弯腰长度的基础上连续站立姿势之间的时间间隔。简化的测试协议,一个主要是反诽谤联盟没有持续执行。相反,参与者被要求站在每个试验的开始和结束。此外,适用于大部分的类似研究,ADL的类型在当前的研究中,决不,详尽的或代表所有反诽谤联盟,人会在日常生活中体验(21]。我们建议采取控制活动协议seminaturalistic环境在未来(21,22,24]。一个想法就是让参与者在semiliving环境中自由行动和他们的运动特性监测连续不中断一段时间。此外,这项研究仅限于老年参与者。未来的研究涉及不同年龄组的老化效应将允许调查活动检测参数。

总之,目前的研究成功地设计和实现two-sensor日常活动与老年人的检测算法。这第一步是一个更全面的活动监视技术专门为老年人设计的。这项研究的发现导致了人口老龄化的运动特性的理解活动。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者要感谢Thurmon洛克哈特博士对他的深刻的思想发展中当前的研究课题和研究方法设计。

引用

1. l . Allet r·h·Knols k . Shirato和e·d·德熊,“可穿戴系统监控mobility-related活动慢性疾病:系统性回顾,“传感器,10卷,不。10日,9026 - 9052年,2010页。视图:出版商的网站|谷歌学术搜索
2. k . Aminian b·纳杰菲,“使用物体固定传感器获取人体运动:户外测量和临床应用,”计算机动画和虚拟世界,15卷,不。2、79 - 94年,2004页。视图:出版商的网站|谷歌学术搜索
3. l .费鲁奇s Baldasseroni s Bandinelli et al .,”疾病严重程度和健康相关的生活质量在不同的慢性疾病,”美国老年病学学会杂志》上,48卷,不。11日,第1495 - 1490页,2000年。视图:谷歌学术搜索
4. e . d . de熊先生,a·哈特曼d . Uebelhart k .墙和w,“可穿戴系统监控老年人mobility-related活动:系统回顾,“临床康复22卷,第895 - 878页,2008年。视图:出版商的网站|谷歌学术搜索
5. n . Capela餐馆大肠勒n .巴多尔·m·鲁道夫·n . Goljar和h .汉堡”评估人类活动识别智能手机应用程序与健全和中风参与者,”神经工程学和康复杂志》上,13卷,不。1、p。5、2016。视图:出版商的网站|谷歌学术搜索
6. j . Magaziner s齐默尔曼,a . l . Gruber-Baldini j . r .﹒荷伯和k·m·福克斯”代理报告五个领域的功能状态:比较自我报告和观察的表现,”美国流行病学杂志》,卷146,不。5,418 - 428年,1997页。视图:出版商的网站|谷歌学术搜索
7. a·迈尔斯·霍利迪k .哈维和k·哈钦森,”功能性能措施:他们是优于自我评价吗?”老年学杂志卷,48 M196-M206, 1993页。视图:出版商的网站|谷歌学术搜索
8. l .费鲁奇j . Guralnik, s . Studenski l .油炸g·卡特勒和j·Walston,“设计随机,对照试验旨在防止或延迟功能下降和残疾虚弱,老年人:一种共识报告,“美国老年病学学会杂志》上,52卷,不。4、625 - 634年,2004页。视图:出版商的网站|谷歌学术搜索
9. w . Zijlstra和k . Aminian“移动评估老年人:新的可能性和挑战,”欧洲老龄化杂志,4卷,不。1、3 - 12,2007页。视图:出版商的网站|谷歌学术搜索
10. h . Gokalp和m .克拉克”监测老年人的日常生活活动和其使用的潜力telecare和远程医疗:复习一下,”远程医疗和e-Health,19卷,不。12日,第923 - 910页,2013年。视图:出版商的网站|谷歌学术搜索
11. c·杨和y许,“远程监测和评估日常活动的家庭环境,”老年学和老年病学临床杂志》上,3卷,不。3、97 - 104年,2012页。视图:出版商的网站|谷歌学术搜索
12. b·苏唐,g . Wang和m .盛,“人类日常行为的识别和可穿戴运动传感器系统,”交易第十二象娱乐一样z盘,公元Cheok w·穆勒和m . Zhang, Eds。施普林格,页68 - 77年,柏林,海德堡,2016年。视图:谷歌学术搜索
13. m·马斯b玻璃纸、n·洛弗尔和a . Coster”分类的基本日常动作使用三轴加速度计,“医学和生物工程和计算,42卷,不。5,679 - 687年,2004页。视图:出版商的网站|谷歌学术搜索
14. j·b·商量之后,j . h . Tulen e·c·范·Herel和h·j·斯塔姆”量化的体育活动通过门诊个加速器:验证研究,“心理生理学,35卷,不。5,488 - 496年,1998页。视图:出版商的网站|谷歌学术搜索
15. j·b·商量之后,p . h . Veltink f . Koelma r·c·范Lummel h·j·斯塔姆,“动态监测mobility-related活动:初始阶段发展的一个活动监视器,”欧洲物理医学与康复杂志》上,5卷,不。1,2 - 7日,1995页。视图:谷歌学术搜索
16. k, p . Werner m .太阳,f . Pi-Sunyer和c·布泽尔,“人类日常身体活动的测量,肥胖研究,11卷,不。1,33-40,2003页。视图:出版商的网站|谷歌学术搜索
17. 美国中间人,m . Alwan r . Seifrafi s .凯尔和d·布朗,“长老的基于规则的方法分析活动数据:检测健康和可能的紧急情况,”AAAI 2005年秋季研讨会2552年,页2545 - 2005年弗吉尼亚州阿灵顿。视图:谷歌学术搜索
18. r·威廉姆森和b·安德鲁斯”检测绝对人工膝关节角度和角速度使用加速度计和陀螺仪,”医学和生物工程和计算,39卷,不。3、294 - 302年,2001页。视图:出版商的网站|谷歌学术搜索
19. 通用里昂,k . m . Culhane d·希尔顿p . A .优雅,和d·里昂”的描述一个基于重力感应移动监测技术,”医学工程与物理,27卷,不。6,497 - 504年,2005页。视图:出版商的网站|谷歌学术搜索
20. j .他、h·李和j . Tan“实时日常活动分类与使用隐马尔科夫模型的无线传感器网络,”学报》第29届国际年会的IEEE磨床里昂,页3192 - 3195年,法国,2007年8月23日,。视图:出版商的网站|谷歌学术搜索
21. h . Leitheuser d Schuldhaus b . Eskofier,“日常生活的层次,基于多传感器的分类活动:使用基准数据集与最先进的算法相比,“《公共科学图书馆•综合》,8卷,不。10篇文章e75196 2013。视图:出版商的网站|谷歌学术搜索
22. 保l和s . Intille”活动从user-annotated加速度数据,识别”普适计算a . Ferscha和f .不受。,体积30.01of Lecture Notes in Computer Science, pp. 1–17, Springer, Berlin Heidelberg, 2004.视图:谷歌学术搜索
23. d . Karantonis m . Narayanan m·马斯n . Lovell和b .玻璃纸”实现的实时人体运动分类器使用三轴加速度计动态监测、”IEEE在生物医学信息技术,10卷,不。1,第167 - 156页,2006。视图:出版商的网站|谷歌学术搜索
24. l .保身体活动识别Semi-Naturalistic条件下从加速度计数据女士,麻省理工学院,2003。

版权

版权©2017剑刘et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。