KDDJul, 2018

利用可穿戴传感器的全天运动数据预测婴儿运动发展状态

PDF
TL;DR使用可穿戴传感器和机器学习算法来区分典型和风险婴儿的自主运动，以进一步建立早期自主运动与发育轨迹之间的联系。
infantsdevelopmental delayswearable sensorsmachine learningspontaneous movements
发现论文，激发创造
  • 佩戴式运动传感器自动监测婴儿姿态和运动

    利用可穿戴式技术和机器学习算法实现对婴儿活动的自动记录和分类，有助于早期发现发育不良的婴儿并为神经发育障碍的预防和治疗提供新的方法。

    Sep, 2019

  • 深度学习增强的传感器融合，以提高婴儿动作分类

    通过传感器融合的方法，对婴儿的运动模式进行自动分类可能显著提高基于人工智能的神经功能的早期识别，最终促进神经发育状况的自动化检测。

    Jun, 2024

  • 使用自适应图卷积网络建模三维婴儿动力学

    基于数据驱动的评估方法，通过提取婴儿的运动模式和应用图卷积网络，达到对婴儿神经发育的实际年龄预测，并提高了传统基于手动设计特征的机器学习基准。

    Feb, 2024

  • 使用可穿戴运动传感器评估自监督预训练对自动婴儿运动分类的影响

    该研究探讨了如何使用自监督的预训练方法来提高婴儿可穿戴设备的自动化分析的分类准确性，研究表明使用上下文相关的预训练数据可以大大提高分类器性能。

    May, 2023

  • 通过压力分布分析实现婴儿运动分类 —— 为研究和临床实施提供更多价值

    本文研究了使用压力传感器将数据编码为算法以用于感知婴儿的细微运动模式。结果证明了压力传感器方案的潜力和准确性，可以在儿科领域大幅提高运动数据的质量和效率。

    Jul, 2022

  • 自闭症中用卷积神经网络检测典型的运动模式

    采用深度学习范式从多传感器加速度计信号中学习的特征和转移学习可以实现更精确的 SMM 检测器，从而为自闭症治疗的准确调整提供支持。

    Nov, 2015

  • 智能家居中的婴儿身体安全监测系统

    本研究采用 ConvLSTM-I3D 模型结合迁移学习和视频增广技术，针对 Smart Baby Care 动作识别任务，提出了一种新型轻量级框架。与其他基准模型相比，在更小的数据集和较少的计算资源下，实验框架取得了更好的性能。

    Oct, 2022

  • 人类运动的定性评估

    本文介绍了一种结合智能手机应用程序和可穿戴传感器的人体运动定量监测，旨在提高运动员安全性、预防受伤和优化训练效果的质性评估方法，基于时序序列数据进行个体特征提取，并通过监督分类技术的应用成功地评估了 27 名运动员的训练动作类型和质量。

    Mar, 2017

  • 基于普适设备的传感器数据采集以侦测肌肉强度训练活动

    通过利用嵌入式传感器进行人体活动识别以及 LSTM 算法，针对印度尼西亚的使用普及率日益增加的智能手机，本研究分析了 25 位参与者的数据，对九种运动类型进行了机器学习模型开发基础上的肌肉力量动作的重要传感器属性的研究，旨在维持高生活质量以预防健康衰退。

    Jan, 2024

  • 利用不同深度学习架构进行穿戴设备和单摄像头视频的上肢活动识别比较研究

    通过计算机视觉和惯性测量单元 (IMU) 等广泛应用的技术以及最近在临床和研究环境中日益流行，来评估人体的身体活动。然而，为了增加患者在实验室外的跟踪可行性，有必要减少运动采集设备。在这方面，IMU 设备和单一摄像头系统是有希望的解决方案。此外，还需要开发能够在野外环境中识别和处理临床相关数据的机器学习系统，因此确定这些系统的理想输入至关重要。

    Feb, 2024