論文の概要: Privacy-aware IoT Fall Detection Services For Aging in Place

• arxiv url: http://arxiv.org/abs/2506.22462v1
• Date: Wed, 18 Jun 2025 03:28:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-07 02:47:44.359972
• Title: Privacy-aware IoT Fall Detection Services For Aging in Place
• Title（参考訳）: プライバシを意識したIoTフォール検出サービス
• Authors: Abdallah Lakhdari, Jiajie Li, Amani Abusafia, Athman Bouguettaya,
• Abstract要約: 転倒の検出は、2050年までに210億に達すると予測されている高齢者を養うために重要である。 転倒を正確に検出し,高齢者の自立的かつ安全に生活を支援するための新しいIoTベースの転倒検出・アズ・ア・サービスフレームワークを提案する。 我々は、UWB(Ultra-wideband)レーダーセンサーをIoTヘルスセンシングサービスとして活用し、プライバシーと最小限の侵入を確実にするサービス指向アーキテクチャを設計する。
• 参考スコア（独自算出の注目度）: 1.4061979259370276
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fall detection is critical to support the growing elderly population, projected to reach 2.1 billion by 2050. However, existing methods often face data scarcity challenges or compromise privacy. We propose a novel IoT-based Fall Detection as a Service (FDaaS) framework to assist the elderly in living independently and safely by accurately detecting falls. We design a service-oriented architecture that leverages Ultra-wideband (UWB) radar sensors as an IoT health-sensing service, ensuring privacy and minimal intrusion. We address the challenges of data scarcity by utilizing a Fall Detection Generative Pre-trained Transformer (FD-GPT) that uses augmentation techniques. We developed a protocol to collect a comprehensive dataset of the elderly daily activities and fall events. This resulted in a real dataset that carefully mimics the elderly's routine. We rigorously evaluate and compare various models using this dataset. Experimental results show our approach achieves 90.72% accuracy and 89.33% precision in distinguishing between fall events and regular activities of daily living.
• Abstract（参考訳）: 転倒の検出は、2050年までに210億に達すると予測されている高齢者を養うために重要である。 しかし、既存の方法は、しばしばデータ不足の課題に直面したり、プライバシーを侵害する。 転倒を正確に検出し,高齢者の自立的かつ安全に生活を支援するための新しいIoTベースの転倒検知・アズ・ア・サービス(FDaaS)フレームワークを提案する。 我々は、UWB(Ultra-wideband)レーダーセンサーをIoTヘルスセンシングサービスとして活用し、プライバシーと最小限の侵入を確実にするサービス指向アーキテクチャを設計する。 本稿では,FD-GPT (Fall Detection Generative Pre-Traited Transformer) を用いてデータ不足を解消する手法を提案する。 高齢者の日常活動と転倒イベントの包括的データセットを収集するプロトコルを開発した。 その結果、高齢者のルーチンを注意深く模倣する実際のデータセットが得られた。 このデータセットを用いて、様々なモデルを厳格に評価し、比較する。 実験結果から, 転倒イベントと日常生活の日常活動の区別において, 90.72%の精度と89.33%の精度が得られた。

関連論文リスト

• Bed-Attached Vibration Sensor System: A Machine Learning Approach for Fall Detection in Nursing Homes [33.45861095003339]
  本研究は,医療用ベッドに内蔵された自動転倒検知システムの開発であり,ウェアラブルやビデオ監視を通じて患者のプライバシーを損なうことなく,患者の安全性を高めることを目的としている。 ベッドフレームを介して伝達される機械的振動は、短時間のフーリエ変換を用いて処理され、畳み込みニューラルネットワークを用いて、異なる人間の落下パターンの堅牢な分類を可能にする。 利用可能なデータが限られているにもかかわらず、提案システムは、転倒に対する正確かつ迅速な対応の可能性を示し、健康への影響を軽減し、高齢化人口のニーズに対処する。
  論文  参考訳（メタデータ） (2024-12-06T11:08:47Z)
• Federated Anomaly Detection for Early-Stage Diagnosis of Autism Spectrum Disorders using Serious Game Data [0.0]
  本研究では,AutoEncoder-based Machine Learning (ML) 手法を用いて,ASD検出のための新しい半教師付きアプローチを提案する。 この目的に特化して設計された真剣なゲームを通じて手作業で収集したデータを利用する。 ゲーミフィケーションされたアプリケーションによって収集されたセンシティブなデータは、プライバシー漏洩の影響を受けやすいため、フェデレートラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-10-25T23:00:12Z)
• DailyDVS-200: A Comprehensive Benchmark Dataset for Event-Based Action Recognition [51.96660522869841]
  DailyDVS-200は、イベントベースのアクション認識コミュニティに適したベンチマークデータセットである。 実世界のシナリオで200のアクションカテゴリをカバーし、47人の参加者によって記録され、22,000以上のイベントシーケンスで構成されている。 DailyDVS-200には14の属性がアノテートされており、記録されたアクションの詳細なキャラクタリゼーションが保証されている。
  論文  参考訳（メタデータ） (2024-07-06T15:25:10Z)
• On the Universal Adversarial Perturbations for Efficient Data-free Adversarial Detection [55.73320979733527]
  本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。 実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
  論文  参考訳（メタデータ） (2023-06-27T02:54:07Z)
• 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)
• Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
  顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。 この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。 制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
  論文  参考訳（メタデータ） (2023-04-12T10:29:42Z)
• An Outlier Exposure Approach to Improve Visual Anomaly Detection Performance for Mobile Robots [76.36017224414523]
  移動ロボットの視覚異常検出システム構築の問題点を考察する。 標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。 本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-20T15:18:13Z)
• Smart Application for Fall Detection Using Wearable ECG & Accelerometer Sensors [0.0]
  タイムリーで信頼性の高い滝の検出は、大規模で急速に成長する研究分野である。 センサは転倒検出に有用であり、転倒と他の活動の区別を可能にする。 この研究は、結果のデータセットで識別される弱点のために、改善の余地をかなり残している。
  論文  参考訳（メタデータ） (2022-06-28T12:49:25Z)
• E-Health Sensitive Data Dissemination Exploiting Trust and Mobility of Users [5.104919259370318]
  E-Healthサービスは大量の機密データを処理し、信頼性とプライバシーを必要とする。 本稿では,これらの課題に対処するために,社会的信頼と関心のコミュニティを活用するシステムであるSTEALTHを提案する。 STEALTHは170ミリ秒のレイテンシを持つ機密データにアクセスする際の信頼性の97.14%、緊急時の可用性の最大100%を達成している。
  論文  参考訳（メタデータ） (2020-05-14T23:37:43Z)

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。