该研究收集了在法国一所学校内 6-12 岁儿童和老师之间的面对面交互数据，发现学生之间的接触主要发生在同一班级，每个孩子每天平均与 47 个其他孩子有 323 次接触，并探讨了在疫情期间如何有效地管理学校以控制传染病的传播。

Sep, 2011

本文中分析了人际互动的数据收集方法及其优缺点，发现日记、调查普遍存在诸多限制；通过对一所高中的实验数据比较发现，自给自足的友谊联系比联系日记更准确地反映了联系网络的实际结构。

Jun, 2015

本研究提出一种基于计算机视觉的智能医院系统，用于跟踪医务人员、患者和访客的行动，并提高医院的运营效率和患者护理质量，特别是在手部卫生合规性的测量方面优于现有解决方案，为建立计算机视觉智能医院的发展迈出了一步，有望降低医院获得性感染的发生率。

Aug, 2017

本文评述数字接触追踪的三个部件 —— 个人设备、网络技术和传感特征，在基于智能手机和可穿戴设备进行接触追踪的情境下的应用，探讨中心化和去中心化的网络方法、以及利用智能手机和可穿戴设备上的传感特征来检测用户之间的接触风险并对两种设备的接近距离检测性能进行实验比较。

Aug, 2021

为了有效地进行数字化接触追踪，我们提出了一种新的系统，通过蓝牙低功耗信号和其他设备传感器（加速计、磁力计、陀螺仪）的联合模型来估计成对个体接近度，并探索多种方法来解释传感器数据流以及使用多种统计和深度学习方法来学习传感接近度的表示，并报告规范化决策成本函数（nDCF）度量值，分析各种输入信号的差异影响，并讨论相关挑战。

Sep, 2020

通过 WiFi 传感器实现无需客户端参与的网络中心式接触者追踪，使用图算法提升传统方法的效率，基于实验验证其可行性和有效性。

May, 2020

利用智能手机上的多个传感器学习数据以检测人体与移动设备的三维空间接近性，以提供非侵入式医疗诊断信息。该预测技术实现了高达 88.75％的准确度和 88.3％的特异性。

Dec, 2015

本论文提出了一种智能接触追踪系统，使用智能手机的蓝牙低功耗信号和机器学习分类器来准确快速地确定接触人员，并保障用户匿名，使用其社交距离规则并进行实时警报。

May, 2020

研究使用可穿戴和环境传感器分析医院工作人员的工作表现，人际交往和幸福感，收集 212 名参与者的生理和行为数据，并通过测量个性特征，行为状态，工作表现和幸福感等问题，构建数据集，支持多模态行为建模、生物特征认证和隐私保护机器学习等应用

Mar, 2020

通过结合可穿戴传感器数据和电子健康记录，利用人工智能技术开发的新的病情评估得分模型可以成功区分危重病患者的稳定和不稳定状态。

Nov, 2023