Одна цель для пригодных медицинских технологий состоит в том, чтобы определить и отследить физическую активность владельцем. Однако выполнение этой цели требует компромисса между точностью и властью, необходимой для анализа данных и хранения, которое является проблемой, учитывая ограниченную власть, доступную для носимых устройств.«Отслеживание физической активности важно, потому что это – ключевой компонент для размещения других медицинских данных в контексте», говорит Эдгар Лобэтон, доцент электротехники и вычислительной техники в государственном и ведущем авторе NC статьи о новой работе. «Например, скачок в сердечном ритме нормален, тренируясь, но может быть индикатором проблем со здоровьем при других обстоятельствах».Создание технологии для контроля физической активности включает обращение к двум проблемам.
Во-первых, программа должна знать сколько данных обрабатывать, оценивая деятельность. Например, рассмотрение всех данных, собранных по 10-секундному приращению или tau, берет вдвое больше вычислительной мощности в качестве оценивающий все данные по пятисекундному tau.
Вторая проблема состоит в том, как хранить ту информацию. Одно решение этого состоит в том, чтобы смешать подобные профили деятельности в соответствии с одним заголовком. Например, определенные подписи данных могут все группироваться при «управлении», в то время как другие могут быть смешаны как «ходьба».
Проблема здесь состоит в том, чтобы найти формулу, которая позволяет программе определять значащие профили (например, управление, ходьба или сидение): если формула слишком общая, профили так широки, что бессмысленны; и если формула слишком конкретна, Вы получаете столько профилей деятельности, что трудно хранить все соответствующие данные.Чтобы исследовать эти проблемы, исследовательской группе входили в аспирантов лаборатория захвата движения, и выполните пять различных действий: игра в гольф, езда на велосипеде, ходьба, помахивание и сидение.Исследователи тогда оценили получающиеся данные, используя taus нулевых секунд (т.е., одна точка данных), двух секунд, четырех секунд, и так далее, полностью до 40 секунд.Исследователи тогда экспериментировали с различными параметрами для классификации данных о деятельности в определенные профили.
«На основе этого определенного набора экспериментальных данных мы нашли, что могли точно определить пять соответствующих действий, используя tau шести секунд», говорит Лобэтон. «Это означает, что мы могли определить действия и связанные с магазином данные эффективно.«Это – исследование доказательства понятия, и мы находимся в процессе определения, как хорошо этот подход работал бы, используя больше реальных данных», говорит Лобэтон. «Однако мы оптимистичны, что этот подход даст нам лучшую возможность отследить и сделать запись данных о физической активности практическим способом, который предоставляет значащую информацию пользователям носимых медицинских контрольных устройств».
Доклад, «Иерархический Анализ Объединения в кластеры Деятельности для Прочного Графического Восстановления Структуры», будет сделан в IEEE 2016, Глобальной Конференцией по Сигналу и Обработке информации, будучи проведенным 7-9 декабря в авторе Лидерства Вашингтона, округ Колумбия статьи является Намита Локаре, аспирант в государстве NC. Соавторы – Дэниел Бенэвайдс и Сэхил Джунеджа государства NC.
Исследование было проведено при поддержке Научно-исследовательского центра Разработки Наносистем Национального научного фонда для Продвинутых Самоприведенных в действие Систем Интегрированных Датчиков, и Технологии (ПОМОГАЮТ) под грантом ЕЭС 1160483. Цель ПОМОГАТЬ Центра, который базируется в государстве NC, состоит в том, чтобы сделать носимые технологии, которые приведены в действие движением или теплом тела пользователя и могут использоваться для долгосрочного медицинского контроля.