文献

J-GLOBAL ID：202102220313290369   整理番号：21A0579012

3軸慣性ウェアラブルセンサを用いた身体活動と健康管理の確率的認識【JST・京大機械翻訳】

Stochastic Recognition of Physical Activity and Healthcare Using Tri-Axial Inertial Wearable Sensors

著者 (3件)： Jalal Ahmad (Department of Computer Science, Air University, Islamabad 44000, Pakistan) ,  Batool Mouazma (Department of Computer Science, Air University, Islamabad 44000, Pakistan) ,  Kim Kibum (Department of Human-Computer Interaction, Hanyang University, Ansan 15588, Korea)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 20  ページ： 7122  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 人間の活動の分類は,人間の健康モニタリングと物理的適合性の最も重要な分野の一つになっている。身体活動認識応用の利用により,様々な疾患に罹患する人々は効率的にモニターでき,医療はタイムリーな方法で投与できる。これらの応用は,健康管理モニタリングと配送のための遠隔サービスを改善することができた。しかし,病院に提供された固定健康監視装置は被験者の動きを制限する。特に,本研究は,異なる姿勢と活動を通して人間の健康を周期的にチェックし,人々がタイムリーで効果的な治療を与える,遠隔監視を提供するウェアラブルセンサを報告する。本論文では,三軸慣性センサを介して連続シーケンスから人間の身体運動をモニターするために,複数の複合特徴を有する新しい人間活動認識(HAR)システムを提案した。提案したHARシステムは,最適ウェアラブルセンサデータを計算するために,より低い/上部カットオフ周波数を調べるノッチフィルタを用いて1D信号をフィルタした。次に,多重結合特徴,すなわち,統計的特徴,Mel Frequency Cepstral Celects,およびGauss混合モデル特徴を計算した。分類と認識エンジンのために,二進Grey Wolf最適化アルゴリズムによって最適化した決定木分類装置を提案した。提案システムを適用し,3つの挑戦的なベンチマークデータセットで試験し,モデルの実現可能性を評価した。実験結果は,提案システムが従来の解と比較して例外的なレベルの性能を達成することを示した。MOTIONSENSE,MHEALTH,および提案した自己注釈付きIM-AccGro人間機械データセットに対して,それぞれ,88.25%,93.95%,および96.83%の精度率を達成した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  フィルタ ,  最適化手法 ,  分類装置 ,  ノッチフィルタ ,  ディシジョンツリー ,  一次元 ,  *健康管理 ,  ベンチマーク ,  遠隔監視 ,  アノテーション
準シソーラス用語： 身体運動 ,  ウェアラブルセンサ ,  Gauss混合モデル ,  *三軸 , 【Automatic Indexing@JST】

著者キーワード (5件)： 二値灰色オオカミ最適化 ,  決定木 ,  心電図 ,  Gauss混合モデル ,  メル周波数ケプストラム係数

分類 (2件)： 計測機器一般  (AD02000X) ,  生体計測  (EL03020C)

引用文献 (41件)：

• Ronao, C.A.; Cho, S.B. Human activity recognition with smartphone sensors using deep learning neural networks. Expert Syst. Appl. 2016, 59, 235-244.
• Mahmood, M.; Jalal, A.; Kim, K. WHITE STAG Model: Wise Human Interaction Tracking and Estimation (WHITE) using Spatio-temporal and Angular-geometric (STAG) Descriptors. Multimed. Tools Appl. 2020, 79, 6919-6950.
• Sharma, R.; Ribeiro, B.; Pinto, A.M.; Cardoso, F.A. Exploring Geometric Feature Hyper-Space in Data to Learn Representations of Abstract Concepts. Appl. Sci. 2020, 10, 1994.
• Alsheikh, M.A.; Selim, A.; Niyato, D.; Doyle, L.; Lin, S.; Tan, H.P. Deep activity recognition models with triaxial accelerometers. In Proceedings of the Workshops at the Thirtieth AAAI Conference on Artificial Intelligence, Phoenix, AZ, USA, 12-13 February 2016.
• Shokri, M.; Tavakoli, K. A review on the artificial neural network approach to analysis and prediction of seismic damage in infrastructure. Int. J. Hydromechatron. 2019, 4, 178-196.

タイトルに関連する用語 (5件)： 3軸 ,  慣性 ,  ウェアラブルセンサ ,  身体活動 ,  確率