論文の概要: CareFall: Automatic Fall Detection through Wearable Devices and AI Methods

• arxiv url: http://arxiv.org/abs/2307.05275v1
• Date: Tue, 11 Jul 2023 14:08:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-12 14:44:25.023952
• Title: CareFall: Automatic Fall Detection through Wearable Devices and AI Methods
• Title（参考訳）: CareFall:ウェアラブルデバイスとAIメソッドによる自動転倒検出
• Authors: Juan Carlos Ruiz-Garcia, Ruben Tolosana, Ruben Vera-Rodriguez, Carlos Moro
• Abstract要約: CareFallは、ウェアラブルデバイスと人工知能(AI)メソッドに基づいた自動転倒検知システム(FDS)である。 CareFallは、スマートウォッチから抽出された加速度計とジャイロスコープの時間信号について検討している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The aging population has led to a growing number of falls in our society, affecting global public health worldwide. This paper presents CareFall, an automatic Fall Detection System (FDS) based on wearable devices and Artificial Intelligence (AI) methods. CareFall considers the accelerometer and gyroscope time signals extracted from a smartwatch. Two different approaches are used for feature extraction and classification: i) threshold-based, and ii) machine learning-based. Experimental results on two public databases show that the machine learning-based approach, which combines accelerometer and gyroscope information, outperforms the threshold-based approach in terms of accuracy, sensitivity, and specificity. This research contributes to the design of smart and user-friendly solutions to mitigate the negative consequences of falls among older people.
• Abstract（参考訳）: 高齢化が社会の減少を招き、世界中の公衆衛生に影響を及ぼしている。 本稿では,ウェアラブルデバイスと人工知能(ai)手法に基づく自動転倒検出システム(fds)carefallを提案する。 carefallは加速度計とジャイロスコープのタイムシグナルをスマートウォッチから抽出する。 特徴抽出と分類には2つの異なるアプローチがある。 i)しきい値に基づく、及び ii) 機械学習に基づく。 2つの公開データベースの実験結果は、加速度計とジャイロスコープ情報を組み合わせた機械学習ベースのアプローチが、精度、感度、特異性の点でしきい値ベースのアプローチより優れていることを示している。 本研究は,高齢者の転倒のネガティブな影響を軽減するため,スマートでユーザフレンドリーなソリューションの設計に寄与する。

関連論文リスト

• BlockTheFall: Wearable Device-based Fall Detection Framework Powered by Machine Learning and Blockchain for Elderly Care [0.44739156031315913]
  ウェアラブルデバイスベースの転倒検出フレームワークである"BlockTheFall"は、ウェアラブルデバイスからのセンサデータを使用して、フォールをリアルタイムで検出する。 収集したセンサデータを機械学習アルゴリズムを用いて解析する。 提案するフレームワークは、ブロックチェーン技術を使用して、フォールイベントデータを格納し、検証する。
  論文  参考訳（メタデータ） (2023-06-10T14:18:44Z)
• Deep Learning-based Fall Detection Algorithm Using Ensemble Model of Coarse-fine CNN and GRU Networks [7.624051346741515]
  本研究では,大小の畳み込みニューラルネットワークとゲートリカレントユニットを組み合わせたアンサンブルモデルを提案する。 提案したモデルは、それぞれ92.54%、96.13%、94.26%のリコール、精度、Fスコアを達成する。
  論文  参考訳（メタデータ） (2023-04-13T08:30:46Z)
• Automated Mobility Context Detection with Inertial Signals [7.71058263701836]
  本研究の主な目的は,日常の運動機能の遠隔監視のためのコンテキスト検出について検討することである。 本研究の目的は、ウェアラブル加速度計でサンプリングされた慣性信号が、歩行関連活動を屋内または屋外に分類するための信頼性の高い情報を提供するかを理解することである。
  論文  参考訳（メタデータ） (2022-05-16T09:34:43Z)
• Reducing a complex two-sided smartwatch examination for Parkinson's Disease to an efficient one-sided examination preserving machine learning accuracy [63.20765930558542]
  パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。 本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
  論文  参考訳（メタデータ） (2022-05-11T09:12:59Z)
• Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
  自律運転システムには2つの主要なアルゴリズムアプローチがある。 ディープラーニングだけでは、多くの分野で最先端の結果が得られています。 しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
  論文  参考訳（メタデータ） (2022-03-28T20:29:50Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
  DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。 深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。 このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
  論文  参考訳（メタデータ） (2020-10-29T08:27:43Z)
• Unsupervised Multi-Modal Representation Learning for Affective Computing with Multi-Corpus Wearable Data [16.457778420360537]
  我々は、人間の監督への依存を減らすために、教師なしの枠組みを提案する。 提案フレームワークは2つの畳み込み自己エンコーダを用いて、ウェアラブル心電図(ECG)と電磁気放射能(EDA)信号から潜時表現を学習する。 提案手法は, 同一のデータセット上での覚醒検出を行ない, 現状の成果よりも優れていた。
  論文  参考訳（メタデータ） (2020-08-24T22:01:55Z)
• An Intelligent Non-Invasive Real Time Human Activity Recognition System for Next-Generation Healthcare [9.793913891417912]
  人間の動きは、脆弱な人々のためのリモートヘルスケアソリューションを提供するために使用することができる。 現在、ウェアラブルデバイスは、人の体に機器を配置することで、リアルタイムの監視を提供することができる。 本研究では,非侵襲的手法を用いて準リアルタイムシナリオにおいて人間の動作がどのように検出されるかを示す。
  論文  参考訳（メタデータ） (2020-08-06T10:51:56Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。