Jul, 2022

一款基于 AIoT 的自主型痴呆监测系统

PDF
TL;DR提出了一种自主的人工物联网（AIoT）系统，用于智能家居中对老年痴呆患者的监测，主要实现两个功能：基于传感器数据的实时异常活动监测和疾病相关活动趋势预测。该系统的 RF 分类器设计准确率大于 99％和 94％，并且使用 LSTM 模型可以实现准确和明显的未来趋势预测。
aiotelderly dementia patientsactivity inferencerandom forestlong short term memory
发现论文，激发创造
  • 评估将增强现实和物联网技术融合以帮助阿尔茨海默病患者的可行性

    利用物联网和增强现实概念创造一种环境辅助生活实施系统，来帮助患有阿尔茨海默症（AD）的人。该系统包括智能手机或 Windows 应用程序和智能眼镜。前者用于监测 AD 患者在家中的状况并在患者处于风险状态时通知看护人员。后者用于识别环境中的二维码，并以格式化音频、文本或三维图像的形式提供相关信息。本文探讨了该系统实施的可能性并报告了初步结果。

    Jan, 2023

  • 自动检测老年人家庭传感器中的日常生活活动作为常规行为的指标

    使用 NEX 项目开发的物联网系统和数据分析，可以支持老年人在家独立生活的无干扰健康和健康监测。使用自动检测日常生活活动（ADL）的可视化方法，可以实现 ADL 的自动检测以及可以无需重新训练系统来纳入新参与者的功能。

    Jul, 2023

  • 老年间歇性痴呆患者多模态危险状态识别与早期预警系统

    我们团队开发了一种可穿戴的防丢失设备和智能早期警告系统，用于老年易失藤症患者，利用人工智能和物联网技术。

    May, 2024

  • 利用可穿戴设备的机器学习模型自主识别认知能力较弱的老年人

    穿戴设备预测模型、认知损害、机器学习模型、预测特征、持续健康监测

    Aug, 2023

  • 基于深度学习的计算机视觉活动识别和老年人跌倒检测：系统性综述

    通过对深度学习在视觉数据上应用的研究文献的系统回顾，本研究讨论了关于独居老人安全的两个主要任务 —— 摔倒检测和人体活动识别，以及相关数据集和硬件设备的使用情况，并对现有方法的优势和劣势进行了讨论，提出了未来工作的建议。

    Jan, 2024

  • 安全和隐私保护的自动化端到端整合 IoT-Edge - 人工智能 - 区块链监测系统，用于糖尿病预测

    提出一种基于物联网边缘 - 人工智能 - 区块链系统的糖尿病预测模型，通过比较实验结果表明，与逻辑回归和支持向量机等现有机器学习方法相比，该模型使用随机森林算法平均预测精度提高了 4.57％，但执行时间较长。

    Nov, 2022

  • 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

  • 海量 IoT 网络中无授权 NOMA 的活动检测

    研究了无授权传输范例在物联网网络上的应用，并通过深度学习方法的卷积神经网络实现设备的活动检测，以优化传输性能。

    Dec, 2022

  • 自主物联网的深度强化学习：模型，应用及挑战

    本文提出了一种新概念 “自治 IoT” 的集成方法，利用强化学习和深度强化学习做出决策，并在此基础上提出了 AIoT 的广义 RL/DRL 模型和综述现有的 DRL 在 AIoT 中的应用研究，并指出未来研究的挑战和问题。

    Jul, 2019

  • 辅助生活隐私保护的深度学习方法

    本文提出了一种基于 LSTM Encoder-Decoder 的新编码技术，用于实现医疗保健数据和环境辅助生活领域中对隐私的保护，通过实验结果证明了该方法的高效性和有效性。

    Feb, 2018