論文の概要: Long-term Detection System for Six Kinds of Abnormal Behavior of the Elderly Living Alone
- arxiv url: http://arxiv.org/abs/2411.13153v1
- Date: Wed, 20 Nov 2024 09:42:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-21 16:10:17.249516
- Title: Long-term Detection System for Six Kinds of Abnormal Behavior of the Elderly Living Alone
- Title（参考訳）: 高齢者の異常行動6種類の長期検出システム
- Authors: Kai Tanaka, Mineichi Kudo, Keigo Kimura, Atsuyoshi Nakamura,
- Abstract要約: 本研究では,半寝たきり,家出し,忘れ,さまよう,立ちながら歩く,転倒する6つの典型的な異常をシミュレーターで検出するシステムを提案する。
検知システムは,部屋のレイアウト,センサの配置を忘れる配置,居住者の特性などをカスタマイズできる。
本稿では,センサデータの処理を標準化する手法を提案する。
- 参考スコア（独自算出の注目度）: 1.4061979259370274
- License:
- Abstract: The proportion of elderly people is increasing worldwide, particularly those living alone in Japan. As elderly people get older, their risks of physical disabilities and health issues increase. To automatically discover these issues at a low cost in daily life, sensor-based detection in a smart home is promising. As part of the effort towards early detection of abnormal behaviors, we propose a simulator-based detection systems for six typical anomalies: being semi-bedridden, being housebound, forgetting, wandering, fall while walking and fall while standing. Our detection system can be customized for various room layout, sensor arrangement and resident's characteristics by training detection classifiers using the simulator with the parameters fitted to individual cases. Considering that the six anomalies that our system detects have various occurrence durations, such as being housebound for weeks or lying still for seconds after a fall, the detection classifiers of our system produce anomaly labels depending on each anomaly's occurrence duration, e.g., housebound per day and falls per second. We propose a method that standardizes the processing of sensor data, and uses a simple detection approach. Although the validity depends on the realism of the simulation, numerical evaluations using sensor data that includes a variety of resident behavior patterns over nine years as test data show that (1) the methods for detecting wandering and falls are comparable to previous methods, and (2) the methods for detecting being semi-bedridden, being housebound, and forgetting achieve a sensitivity of over 0.9 with fewer than one false alarm every 50 days.
- Abstract（参考訳）: 高齢者の割合は世界中で増加しており、特に日本で一人暮らししている人は多い。
高齢者の高齢化に伴い、身体障害者や健康問題へのリスクが高まる。
日常生活においてこれらの問題を低コストで自動的に発見するためには、スマートホームにおけるセンサによる検出が期待できる。
本研究は,異常行動の早期検出に向けた取り組みの一環として,半寝たきり,家出し,忘れ,さまよう,立ちながら歩く,転倒する6つの典型的な異常をシミュレーターで検出するシステムを提案する。
本システムでは,各事例に適合するパラメータを持つシミュレータを用いて,検知器を訓練することにより,各種の部屋配置,センサ配置,居住者の特性をカスタマイズすることができる。
本システムで検出される6つの異常は, 転倒後数週間, 転倒後数秒間, 転倒後数秒間, 転倒時など, 様々な発生期間を有することを考慮し, 異常発生期間に応じて, 異常発生期間, 例えば1日1回, 転倒時1秒毎に異常ラベルを生成する。
本稿では,センサデータの処理を標準化する手法を提案する。
有効性はシミュレーションの現実性によって異なるが, 実験データとして9年間にわたる様々な居住行動パターンを含むセンサデータを用いた数値評価では, 1) 漂流・落下検出法は従来手法と同等であり, (2) 半寝たきりの検知方法, 自宅への避難, 忘れた場合の感度は, 50日毎に1回未満の誤報で0.9以上の感度が得られることが示された。
関連論文リスト
- A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳（メタデータ） (2024-06-05T13:40:07Z) - GAD: A Real-time Gait Anomaly Detection System with Online Adaptive Learning [0.0]
歩行異常検出は、人の通常の歩行パターンから逸脱を検出するタスクである。
本稿では,リアルタイム歩行異常検出システムであるGADを紹介する。
論文 参考訳（メタデータ） (2024-05-04T22:43:09Z) - Sensor Data Simulation for Anomaly Detection of the Elderly Living Alone [0.49157446832511503]
センサによる異常検出の需要が高まっている。
検出アルゴリズムを開発するための十分な実データがないという問題がある。
センサデータ生成においてこれらの要因をモデル化できる新しいセンサデータシミュレータを提案する。
論文 参考訳（メタデータ） (2023-12-28T06:38:52Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - Human Fall Detection- Multimodality Approach [2.7215474244966296]
我々は、加速度計データ保持ラベル付き手首センサをバイナリ分類、すなわち、データ集合からのフォールとフォールを含まない2値分類に使用します。
実験結果から,2値分類のためのマルチセンサと比較して手首データのみを用いることは,転倒検出のためのモデル予測性能に影響を及ぼさないことがわかった。
論文 参考訳（メタデータ） (2023-02-01T04:05:14Z) - Privacy-Protecting Behaviours of Risk Detection in People with Dementia
using Videos [4.264550333891292]
認知症者のリスク行動を検出するために,2つの新しいプライバシー保護型ビデオベース異常検出手法を提案する。
我々は、身体のポーズ情報を骨格として抽出し、セマンティックセグメンテーションマスクを用いてシーン内の複数の人間をセマンティック境界に置き換えた。
これは、認知症患者のリスクの行動を検出するために、プライバシを組み込んだ最初の研究の1つである。
論文 参考訳（メタデータ） (2022-12-20T22:55:46Z) - Are we certain it's anomalous? [57.729669157989235]
時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。
本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。
HypADは自己指導で入力信号を再構築する。
論文 参考訳（メタデータ） (2022-11-16T21:31:39Z) - Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel
EEG Signal [63.18666008322476]
睡眠障害は、世界中の主要な病気の1つです。
専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。
専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
論文 参考訳（メタデータ） (2021-03-30T09:59:56Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳（メタデータ） (2020-12-07T11:02:44Z) - 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) - 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)
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。