本文主要是介绍翻译原文(Monitoring Forgetfulness: An In-Home Solution for Early Dementia Detection),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
新加坡的一个研究团队对老年痴呆症早期的认知损害进行监测,利用IOT系统进行7*24小时家庭监测。
有研究显示,超过60岁以上的人中有将近1/10的人得了老年痴呆症,当下还没有对老年痴呆症有实际的解决办法,但是在认知功能正常和老年痴呆之间如果监测到有部分认知损害(MCI),并且能得到持续的治疗能够显著的降低老年痴呆症的发生并且在今后能享有高质量的生活。该研究岁利用持续的数据来分析研究MCI的迹象。
该方法利用多传感器获取老年人的日常起居数据,这些老年人都是在48个社区中,且进行长达18个月的观测,该系统由两部分组成,前端用于家庭监测,后段用于存储数据并且通过分析引擎来处理数据。
一部分传感器用来监测一些人体常规数据,比如心率,步伐监测等。同时还能监测任意门到药箱的次数,时间和频率。(当然还有很多可以预先做好规划,从图中可以看出还有像门,床,钥匙串,药箱等等都是与MCI相关的线索)
一系列的传感器用来监测一件事情的发生,开门,离开居住环境,或者去药箱。这些串联的传感器数据会被分析成一个事件或活动,比如去睡觉,去吃药等等。
接下来有了活动事件就可以分析与健忘这种类似MCI病症的相关性。
感想:每个研究都有其一定意义,传感器技术一直都在为人类造福。从该案例看出,传感器不再传输单一的数据,而是组合形成事件,从而分析事件与目的的相关性,这是该研究团队一直在做的事情,文中也提到希望世界各地的人们在利用该方法的可以互相交流。难点:1传感器数据的融合,形成事件的要素。2事件与目标的相关性分析。
这篇关于翻译原文(Monitoring Forgetfulness: An In-Home Solution for Early Dementia Detection)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!