文献

J-GLOBAL ID：201702217449115779   整理番号：17A0274576

在宅リハビリテーションのためのIoTを可能にする:活性と運動認識のための加速度計信号分類法【Powered by NICT】

Enabling IoT for In-Home Rehabilitation: Accelerometer Signals Classification Methods for Activity and Movement Recognition

著者 (4件)： Bisio Igor (Department of Electrical, Electronic, Telecommunications Engineering and Naval Architecture, University of Genoa, Genoa, Italy) ,  Delfino Alessandro (Department of Electrical, Electronic, Telecommunications Engineering and Naval Architecture, University of Genoa, Genoa, Italy) ,  Lavagetto Fabio (Department of Electrical, Electronic, Telecommunications Engineering and Naval Architecture, University of Genoa, Genoa, Italy) ,  Sciarrone Andrea (Department of Electrical, Electronic, Telecommunications Engineering and Naval Architecture, University of Genoa, Genoa, Italy)
資料名： IEEE Internet of Things Journal  (IEEE Internet of Things Journal)
巻： 4  号： 1  ページ： 135-146  発行年： 2017年 
JST資料番号： W2432A  ISSN： 2327-4662  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 活性加齢のリハビリテーションと高齢者モニタリングは家庭内処理のための特にもの(IoT)能力のインターネットから利益を得ることができる。本論文では,このような治療に役立つ二つの機能を考察した1)行動認識(AR),2)運動認識(MR)。前者は患者がアイドル,,歩行,ランニング,アップダウン階段,またはサイクルかどうかを検出することを目的としている後者は身体的リハビリテーションに必要なしばしば特定の運動,アーム,アームプレス,腕ねじれ,カール,海藻,肩ロールなどをindividuates。スマートフォンは加速度計センサとIoTの要素を備えたれた参照プラットフォームである。研究調査と前述の関数のためのIoTを可能にするために加速度計信号分類法を比較した。検討した方法は,サポートベクトルマシン(SVM),ディシジョンツリー,および動的時間ワーピングした。法の比較は,それらの性能を強調するために提案されている:すべての技術は優れた認識精度を持ち,それらの中で,SVMベースのアプローチは,ARの1例とMRの場合で99%以上,90%以上の精度を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *リハビリテーション ,  サポートベクトルマシン ,  患者 ,  海藻 ,  老人 ,  ディシジョンツリー ,  アーム ,  *加速度計 ,  スマートフォン ,  インターネット
準シソーラス用語： 認識精度 ,  行動認識 ,  *信号分類 ,  *動作認識 ,  *在宅リハビリテーション , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 在宅リハビリテーション ,  IoT ,  活性 ,  運動認識 ,  加速度計 ,  分類法