Beyond activity recognition

Khan, Aftab; Mellor, Sebastian; Berlin, Eugen; Thompson, Richard S.; McNaney, Róisín; Olivier, Patrick; Plötz, Thomas

doi:10.1145/2750858.2807534

Cited by 56 publications

(20 citation statements)

References 32 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Previous studies in related application fields have demonstrated that more detailed movement analysis based on raw accelerometer data leads to improved outcome measures (Matthews et al 2012). Accessibility of raw sensor recordings facilitates the application of sophisticated computational analysis that goes beyond gross or fine measures of movement, towards an understanding of disease-specific idiosyncrasies in physical behaviour, for example: gait analysis (Lemke et al 2000), activity recognition (Bulling et al 2014), automated symptom assessment (Hammerla et al 2015), analysis of aggressive behaviour (Plötz et al 2012), or skill assessment (Khan et al 2015). Whilst these data offer huge potential as variables of interest, their utility will depend on the extent to which they are feasible and represent validated markers or surrogate markers of the disease.…”

Section: Discussionmentioning

confidence: 99%

A study of wrist-worn activity measurement as a potential real-world biomarker for late-life depression

et al. 2016

View full text Add to dashboard Cite

BackgroundLate-life depression (LLD) is associated with a decline in physical activity. Typically this is assessed by self-report questionnaires and, more recently, with actigraphy. We sought to explore the utility of a bespoke activity monitor to characterize activity profiles in LLD more precisely.MethodThe activity monitor was worn for 7 days by 29 adults with LLD and 30 healthy controls. Subjects underwent neuropsychological assessment and quality of life (QoL) (36-item Short-Form Health Survey) and activities of daily living (ADL) scales (Instrumental Activities of Daily Living Scale) were administered.ResultsPhysical activity was significantly reduced in LLD compared with controls (t = 3.63, p < 0.001), primarily in the morning. LLD subjects showed slower fine motor movements (t = 3.49, p < 0.001). In LLD patients, activity reductions were related to reduced ADL (r = 0.61, p < 0.001), lower QoL (r = 0.65, p < 0.001), associative learning (r = 0.40, p = 0.036), and higher Montgomery–Åsberg Depression Rating Scale score (r = −0.37, p < 0.05).ConclusionsPatients with LLD had a significant reduction in general physical activity compared with healthy controls. Assessment of specific activity parameters further revealed the correlates of impairments associated with LLD. Our study suggests that novel wearable technology has the potential to provide an objective way of monitoring real-world function.

show abstract

Section: Discussionmentioning

confidence: 99%

A study of wrist-worn activity measurement as a potential real-world biomarker for late-life depression

et al. 2016

View full text Add to dashboard Cite

show abstract

“…Phát hiện vận động bất thường của con người là lĩnh vực nhận được nhiều sự quan tâm của cộng đồng nghiên cứu vì đây là lĩnh vực có nhiều ứng dụng trong thực tế như hỗ trợ cho người mất trí nhớ [1], theo dõi người bệnh đột quỵ [2], theo dõi chăm sóc người vận động bất thường [3]v.v. .…”

Section: đặT Vấn đềunclassified

“….. thành vectơ ( ,3) .. và ghép tất cả vectơ ( ,3) .. thành một dòng ma trận (3) .. (là đầu vào của mạng con tích chập hợp nhất). Kiến trúc của mạng con tích chập hợp nhất tương tự như mạng con tích chập riêng lẻ.…”

Section: Sau đó Chúng Tôi Tiến Hành Làm Phẳng Ma Trận ( 3)unclassified

Phát hiện hoạt động bất thường của người bằng mạng học sâu tích chập kết hợp mạng bộ nhớ dài ngắn

Tuấn¹,

Pham²,

Văn³

2020

Chuyên san CNTT-TT

View full text Add to dashboard Cite

Bài báo này đề xuất một mô hình học sâu nhân chập kết hợp với mạng bộ nhớ dài ngắn (CNN-LSTM) cho bài toán phát hiện các vận động bất thường của người sử dụng cảm biến đeo trên người. Nhờ tận dụng các đặc tính không-thời gian, kiến trúc đề xuất CNN-LSTM đã được thiết kế để tự động học và biểu diễn các đặc trưng hiệu quả trên dữ liệu cảm biến không thuần nhất (heterogeneous sensing data). Kết quả thử nghiệm trên 4 tập dữ liệu được công bố cho thấy mô hình đề xuất đã cho kết quả cải tiến tốt hơn từ 2% đến 7% F1-score so với các mô hình học máy dựa trên trích xuất đặc trưng thủ công SVM, mô hình học sâu nhân chập (CNN) và mô hình mạng bộ nhớ dài ngắn (LSTM).

show abstract

“…Self-care and self-management technology in health and social care can employ a variety of devices and applications, e.g. wearables, mobile apps, and web applications [2,41,17]. Some of these devices and applications help to overcome or limit the impairment experienced by people with dementia or Parkinson's, such as MindMate (http://www.mindmateapp.com/) which offers reminders or Dragon Naturally Speaking (http://www.nuance.co.uk/dragon/index.htm), which is Assistive Technology that replaces keyboard and mouse input with voice input.…”

Section: Self-care Technology For People With Dementia or Parkinson'smentioning

confidence: 99%

Co-designing smart home technology with people with dementia or Parkinson's disease

Bourazeri

Stumpf

2018

Proceedings of the 10th Nordic Conference on Human-Computer Interaction

View full text Add to dashboard Cite

Involving users is crucial to designing technology successfully, especially for vulnerable users in health and social care, yet detailed descriptions and critical reflections on the co-design process, techniques and methods are rare. This paper introduces the PERCEPT (PERrsona-CEntred Participatory Technology) approach for the co-design process and we analyse and discuss the lessons learned for each step in this process. We applied PERCEPT in a project to develop a smart home toolset that will allow a person living with early stage dementia or Parkinson's to plan, monitor and self-manage his or her life and well-being more effectively. We present a set of personas which were cocreated with people and applied throughout the project in the co-design process. The approach presented in this paper will enable researchers and designers to better engage with target user groups in co-design and point to considerations to be made at each step for vulnerable users.

show abstract

Beyond activity recognition

Cited by 56 publications

References 32 publications

A study of wrist-worn activity measurement as a potential real-world biomarker for late-life depression

A study of wrist-worn activity measurement as a potential real-world biomarker for late-life depression

Phát hiện hoạt động bất thường của người bằng mạng học sâu tích chập kết hợp mạng bộ nhớ dài ngắn

Co-designing smart home technology with people with dementia or Parkinson's disease

Contact Info

Product

Resources

About