論文の概要: Location-based Activity Behavior Deviation Detection for Nursing Home using IoT Devices

• arxiv url: http://arxiv.org/abs/2301.11272v1
• Date: Wed, 25 Jan 2023 15:06:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 13:53:03.736865
• Title: Location-based Activity Behavior Deviation Detection for Nursing Home using IoT Devices
• Title（参考訳）: IoTデバイスを用いた看護施設における位置に基づく行動行動偏差検出
• Authors: Billy Pik Lik Lau, Zann Koh, Yuren Zhou, Benny Kai Kiat Ng, Chau Yuen, Mui Lang Low
• Abstract要約: 本稿では,シンガポールにおける4階建て養護老人ホームである救世軍,ピースヘイブン養護老人ホームのための位置追跡システムを設計する。 ここでの課題は、老人ホーム住民の集団活動を特定し、逸脱した活動行動があるかどうかを検出することである。 そこで本研究では,データ融合手法を用いて,位置に基づく逸脱した活動行動検出システムを提案する。
• 参考スコア（独自算出の注目度）: 19.894011381925143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advancement of the Internet of Things(IoT) and pervasive computing applications, it provides a better opportunity to understand the behavior of the aging population. However, in a nursing home scenario, common sensors and techniques used to track an elderly living alone are not suitable. In this paper, we design a location-based tracking system for a four-story nursing home - The Salvation Army, Peacehaven Nursing Home in Singapore. The main challenge here is to identify the group activity among the nursing home's residents and to detect if they have any deviated activity behavior. We propose a location-based deviated activity behavior detection system to detect deviated activity behavior by leveraging data fusion technique. In order to compute the features for data fusion, an adaptive method is applied for extracting the group and individual activity time and generate daily hybrid norm for each of the residents. Next, deviated activity behavior detection is executed by considering the difference between daily norm patterns and daily input data for each resident. Lastly, the deviated activity behavior among the residents are classified using a rule-based classification approach. Through the implementation, there are 44.4% of the residents do not have deviated activity behavior , while 37% residents involved in one deviated activity behavior and 18.6% residents have two or more deviated activity behaviors.
• Abstract（参考訳）: IoT(Internet of Things)と広範に普及するコンピューティングアプリケーションの進歩により、高齢化する人口の振る舞いを理解するためのより良い機会を提供する。 しかし、老人ホームの場合、高齢者の単独生活を追跡するための一般的なセンサや技術は適切ではない。 本稿では,シンガポールにおける4階建て養護老人ホームである救世軍,ピースヘイブン看護ホームのための位置追跡システムを設計する。 ここでの課題は、老人ホーム住民の集団活動を特定し、逸脱した活動行動があるかどうかを検出することである。 そこで本研究では,データ融合手法を用いて,位置に基づく逸脱行動検出システムを提案する。 データフュージョンの特徴を計算するために、グループと個人の活動時間を抽出するための適応的手法を適用し、各住民に毎日のハイブリッド規範を生成する。 次に、日々の標準パターンと居住者ごとの日々の入力データとの差を考慮し、逸脱した活動行動検出を行う。 最後に、住民間の逸脱行動は、規則に基づく分類アプローチにより分類される。 人口の44.4%が逸脱した活動行動を持っておらず、37%が逸脱した行動行動に関与しており、18.6%が逸脱した行動行動を持っている。

関連論文リスト

• Identifying Human Indoor Daily Life Behavior employing Thermal Sensor Arrays (TSAs) [1.0454158318077296]
  ヒトの生活活動は昼夜監視された。 睡眠活動が優勢であった。 本研究は,TSAが人間の活動を監視する上で最適な選択であることを示した。
  論文  参考訳（メタデータ） (2024-09-13T03:12:10Z)
• A Matter of Annotation: An Empirical Study on In Situ and Self-Recall Activity Annotations from Wearable Sensors [56.554277096170246]
  In-the-wildデータ収集に焦点をあてたユーザスタディにおいて,一般的な4つのアノテーション手法の評価と対比を行う実験的検討を行った。 実際の記録プロセス中に参加者がアノテートするユーザ主導のin situアノテーションと、各日の終わりに参加者が振り返ってアノテートするリコールメソッドの両方に対して、参加者は自身のアクティビティクラスと対応するラベルを選択できる柔軟性を持っていた。
  論文  参考訳（メタデータ） (2023-05-15T16:02:56Z)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• Domain Adaptation Under Behavioral and Temporal Shifts for Natural Time Series Mobile Activity Recognition [31.43183992755392]
  既存のデータセットは典型的にはスクリプト化された動きで構成されている。 我々の長期的な目標は、自然環境下でのモバイル活動認識を行うことです。 ヒトの行動に大きな変化があるため、2つの異なる年齢グループから多くの参加者からデータを収集します。
  論文  参考訳（メタデータ） (2022-07-10T02:48:34Z)
• HAR-GCNN: Deep Graph CNNs for Human Activity Recognition From Highly Unlabeled Mobile Sensor Data [61.79595926825511]
  正確な活動ラベルを含むバランスのとれたデータセットを取得するには、人間が正しく注釈を付け、リアルタイムで被験者の通常の活動に干渉する必要がある。 本研究では,HAR-GCCNモデルを提案する。HAR-GCCNは,時系列に隣接したセンサ測定の相関を利用して,不特定活動の正確なラベルを予測する。 Har-GCCNは、これまで使用されていたベースライン手法と比較して優れたパフォーマンスを示し、分類精度を25%改善し、異なるデータセットで最大68%向上した。
  論文  参考訳（メタデータ） (2022-03-07T01:23:46Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Self-Supervised Transformers for Activity Classification using Ambient Sensors [3.1829446824051195]
  本稿では,環境センサを用いた環境下での居住者の活動の分類手法を提案する。 また,自己教師付き方式でトランスフォーマーを事前訓練する手法を,ハイブリッドオートエンコーダ分類モデルとして提案する。
  論文  参考訳（メタデータ） (2020-11-22T20:46:25Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• Exposure Density and Neighborhood Disparities in COVID-19 Infection Risk: Using Large-scale Geolocation Data to Understand Burdens on Vulnerable Communities [1.2526963688768453]
  本研究では,高空間・時間分解能の近傍活動レベルを定量化する手法を開発した。 本研究では, 露光密度を, 特定地域における局所的な活動量と非居住地および屋外土地利用における活動量の比率の尺度として定義する。
  論文  参考訳（メタデータ） (2020-08-04T15:41:24Z)
• RF Sensing for Continuous Monitoring of Human Activities for Home Consumer Applications [13.353145284926986]
  ホームモニタリングのためのRFセンシングシステムについて報告する。 本システムは,日常生活活動(ADL)を認識し,ユニークな動作特性を検出する。 異なる動きの遷移時間と時間スパンの両方を見つけると、分類が改善される。
  論文  参考訳（メタデータ） (2020-03-21T16:52:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。