現実的な日常生活環境での継続的な活動を含むウェアラブルモビリティモニタリングシステム(WMMS)のための標準化された評価方法が開発されました。一連の日常生活動作でテストすると、活動認識感度が低下する可能性があります。したがって、WMMS性能の有効な評価のためには、現実的なテスト回路が推奨されます。
このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。
この記事について
サマリー
要約
日常生活環境での継続的な活動を含む評価方法は、ユーザーの活動を認識しようとするウェアラブルモビリティモニタリングシステム(WMMS)のために開発されました。参加者は、移動活動(歩く、立つ、座る、横になる、階段を上る/下りる)、日常生活動作(髪をとかす、歯を磨く、食事を準備する、食事をする、皿を洗う)、微妙な環境の変化(ドアを開ける、エレベーターを使用する、坂道を歩く、階段の踊り場を横断する、屋外を歩く)を含む、連続テスト回路内で事前に決定された一連の日常生活動作を実行しました。
このサーキットでのWMMSのパフォーマンスを評価するために、15人の健常な参加者が右前骨盤にスマートフォンを装着しながらタスクを完了しました。WMMSアプリケーションは、スマートフォンの加速度計とジャイロスコープの信号を使用して、活動状態を分類しました。ゴールドスタンダードの比較データセットは、各試行をビデオ録画し、活動の開始時間を手動で記録することによって作成されました。ゴールドスタンダードとWMMSのデータはオフラインで分析しました。各回路について、(i)可動性または不動性、ii)座る、立つ、横になる、または歩く、および(iii)座る、立つ、横になる、歩く、階段を上る、または小さな立った動きの3つの分類セットが計算されました。活動の分類と状態変化の感度、特異性、および F スコアを計算しました。
移動性対移動性の分類セットは、感度が86.30%±7.2%、特異度が98.96%±0.6%でしたが、2番目の予測セットの感度は88.35%±7.80%、特異度は98.51%±0.62%でした。第3の分類セットでは、感度は84.92%±6.38%、特異度は98.17±0.62であった。F1のスコアは、第1分類セット、第2分類セット、第3分類セットのスコアがそれぞれ86.17±6.3、80.19±6.36、78.42±5.96でした。これは、WMMS のパフォーマンスがアルゴリズムに加えて評価プロトコルに依存することを示しています。実証されたプロトコルは、運動性モニタリングが臨床上の意思決定に有益である可能性のあるリハビリテーション医学における人間の活動認識システムを評価するために使用および調整できます。
概要
ユビキタスセンシングが原因で、ますます強力な、小型で低コストのコンピューティングおよび感知装置1に係研究領域となっています。消費者レベルのマイクロエレクトロニクスは、高精度で1運動特性を検出することが可能であるため、ウェアラブルセンサを用いて移動度のモニタリングは、大きな関心を生成しました。 4 -ウェアラブルセンサを用いて人間の行動認識（HAR）は、1980年代と1990年代2で行われる予備的研究と、研究の最近の領域です。
現代のスマートフォンは、移動性活動認識のために必要なセンサおよびリアルタイム計算能力を含みます。デバイス上のリアルタイム解析は、ユーザーや研究者の介入なしに活動の分類とデータのアップロードが可能になります。移動度分析ソフトウェアを使用してスマートフォンを検出、自宅や作業の自動化、および自己管理exercis秋、フィットネス追跡、ヘルスモニタリングを提供することができますEプログラム5。スマートフォンは、オンボードセンサ出力6で計算数学信号生成機能を使用して、ヒトにおいてモバイル活動及びモバイルパターンを検出するための慣性計測プラットフォームと考えることができます。共通の特徴の生成方法は、ヒューリスティック、時間領域、周波数領域、及びウェーブレット解析に基づくアプローチ7を含みます 。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
プロトコル
このプロトコルは、オタワ健康科学ネットワーク研究倫理委員会によって承認されました。
1.準備
- 研究の概要と参加者を提供し、ご質問にお答えし、インフォームドコンセントを得ます。データシート上の（内果に例えば、年齢 、性別、身長、体重、ウエスト周囲径、上前腸骨棘から脚の高さ）レコード参加者の特徴、識別コード、および日付。ビデオをキャプチャするために使用される第2のスマートフォンは、第二の捕捉率あたり少なくとも30フレームに設定されていることを確認してください。
- 安全参加者の右フロントベルトやズボンの腰に携帯電話のホルスターを接続します。移動度測定のスマートフォンでセンサデータを収集するために使用されるスマートフォンのアプリケーション（ すなわち 、データロギングやWMMSアプリケーション）を起動し、アプリケーションが適切に実行されていることを確認してください。デバイスの背面（背面CAで、ホルスターにスマートフォンを配置外側に向けメラ）。
- 二スマートフォンでデジタルビデオ録画を開始します。匿名性のために、人の顔を示すことなく、比較のビデオを記録するが、すべてのアクティビティの遷移を記録することを確認してください。携帯電話は、ハンドヘルドすることができます。
2.活動サーキット
- 彼らは研究者によって話さ....
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
結果
研究プロトコルは、オタワ病院から募集平均体重（11.1±）68.9だっキロ、高さは（11.4±）cmの173.9で、年齢は26（±9）であった年間15健常者の利便性のサンプルで実施されました大学オタワのスタッフと学生。スマートフォンは、変数40〜50 Hzのレートでセンサデータを捕獲しました。サンプルレートの変動は、スマートフォンのセンサーサンプリングのための典型的なものです。第二のスマートフォンは、1280×720（720）の解像度でデジタルビデオを記録するために使用されました。
ホルスターは、ロケーションのさらなる標準化することなく、参加者の右フロントベルトやパンツに固定しました。これは、腰にきゅう務員にデバイスを配置するための自然な方法を実証しました。ホルスターとデータロガーアプリケーションの実行に置か装置では、それぞれの人は、自己選択のペースで、一度回路を横断しました。回路は、参加者と手続き活動に事前に説明していなかったました試験中に研究者を順番によって話さ。
WMMSは呉によって動作するように同様の上下の境界条.......
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
ディスカッション
ウェアラブルモビリティ監視システムと人間の活動の認識はウェアラブルコンピューティングやスマートフォンの技術の進歩と臨床意思決定と健康介入の評価に役立つ定量的なアウトカム指標のための体系的なニーズのために、近年ではより多くの注目を集めています。活動分類エラーは日常生活や歩行シナリオの幅広い活動が評価に含まれていなかった場合に存在していないことが判明したので、この論文に記載の方法は、WMMS開発を評価するために有効でした。
付属のゴールド標準のデータセットとデータ後処理と現実的が、制御された条件下でのデータ収集：WMMS評価プロトコルは、主に2つの部分から構成されます。デジタルビデオは、プロトコル活動全体でWMMSアルゴリズム予測をテストするときに金標準的なデータを提供するための実行可能なソリューションでした。プロトコルにおける重要なステップ（i）は、これは参加者-着用電話から取得したデータで金標準ビデオの同期を可能とするため、金の標準ビデオはスマートフォンの揺れをキャプチャすることを保証するために、および（ii）すべての遷移が行わゴールドスタンダードビデオレコードことを確実にするため.......
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
開示事項
著者らは、競合する金銭的利益はないと宣言している。
謝辞
著者は、技術およびデータ収集の支援のためにエヴァンBeisheim、ニコールカペラ、アンドリュー・ハーバート・コプリーを認めます。プロジェクトの資金を研究に使用するスマートフォンなど、自然科学とカナダの工学研究評議会（NSERC）とBlackBerry社から受け取りました。
....アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
材料
| 名前 | 会社 | カタログ番号 | コメント |
|---|---|---|---|
| スマートフォンまたはウェアラブル測定装置 | Blackberry | Z10 | |
| ビデオ録画用スマートフォン | Blackberry | Z10または9800 | |
| 電話ホルスター | |||
| データロガーアプリケーション | BlackBerry World - TOHRC BlackBerry 10 | 用データロガーhttp://appworld.blackberry.com/webstore/content/32013891/?countrycode=CA | |
| ウェアラブルモビリティ測定 | カスタムBlackberry 10およびモビリティモニタリング | http://www.irrd.ca/cag/smartphone/ | |
| >ビデオ編集または分析ソフトウェア | Motion Analysis Tools | http://www.irrd.ca/cag/mat/ |
参考文献
- Lara, O. D., Labrador, M. A. A Survey on Human Activity Recognition using Wearable Sensors. IEEE Communications Surveys Tutorials. 15 (3), 1192-1209 (2013).
- Foerster, F., Smeja, M., Fahrenberg, J. Detection of posture and....
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
再版と許可
