Wireless-Bewegung-tracking-system sammeln konnte, Gesundheits-und Verhaltens-Daten: In einigen Fällen, radio-Frequenz-Signale werden möglicherweise mehr nützlich für pflegende Angehörige als Kameras oder andere Daten-collection-Methoden

Wireless-Bewegung-tracking-system sammeln konnte, Gesundheits-und Verhaltens-Daten: In einigen Fällen, radio-Frequenz-Signale werden möglicherweise mehr nützlich für pflegende Angehörige als Kameras oder andere Daten-collection-Methoden

Wir Leben in einer Welt, von wireless-Signalen fließt um uns herum und abprallen unseren Körper. MIT-Forscher sind nun nutzt diese signal-Reflexionen zu den Wissenschaftlern und Pflegepersonal wertvolle Einblicke in das Verhalten der Menschen und Gesundheit.

Das system namens Marko, überträgt ein niedrig-Energie radio-Frequenz (RF) – Signale in einer Umgebung. Das signal wird wieder das system mit bestimmten änderungen, wenn es prallte Weg von einem sich bewegenden menschlichen. Neuartige algorithmen analysieren dann die geänderten überlegungen und ordnen Sie diese bestimmten Personen zuordenbar.

Das system dann die Spuren jeder einzelnen Bewegung rund um einen digitalen Grundriss zu erstellen. Matching diese Bewegungsmuster mit anderen Daten liefern Erkenntnisse darüber, wie Menschen miteinander interagieren und die Umwelt.

In einem Papier wird präsentiert auf der Conference on Human Factors in Computing Systems in dieser Woche, die Forscher beschreiben das system und seine real-world-Anwendungen in sechs Standorten: zwei Einrichtungen des betreuten Wohnens, drei Wohnungen bewohnt, die von Paaren, und einem Reihenhaus mit vier Bewohnern. Die Fallstudien haben gezeigt, die Fähigkeit des Systems, um die Unterscheidung der Personen ausschließlich auf Basis der WLAN-Signale — und zeigte ein paar nützliche Verhaltensmuster.

In einer betreuten Einrichtung, mit der Erlaubnis des Patienten, Familie und Betreuer, die Forscher überwachten Patienten mit Demenz, die Häufig bewegt werden-aus unbekannten Gründen. Über einen Monat, Sie Maßen die Patienten erhöhte Tempo zwischen den Gebieten Ihrer Einheit — ein bekanntes Zeichen von Unruhe. Durch Abgleich erhöhte Tempo mit dem Besucher-log, werden Sie bestimmt der patient wurde aufgeregt, mehr während den folgenden Tagen die Familie zu besuchen. Dies zeigt Marko können, um eine neue, passive Art und Weise zu verfolgen, die funktionale Gesundheit profile von Patienten zu Hause, sagen die Forscher.

„Das sind interessante Dinge, die wir entdeckt through“ – Daten,“ sagt ersten Autor Chen-Yu Hsu, PhD student in Computer Science and Artificial Intelligence Laboratory (CSAIL). „Wir Leben in einem Meer von wireless-Signale, und die Art, wie wir bewegen und zu Fuß rund um änderungen dieser überlegungen. Wir entwickelten das system, hört diese Reflexionen … um besser zu verstehen, das Verhalten der Menschen und die Gesundheit.“

Die Forschung, geführt von Dina Katabi, die Andreas und Erna Viterbi-Professor of Electrical Engineering und Computer Science und Direktor des MIT Center for Wireless Networks and Mobile Computing ([email protected]). Beitritt Katabi und Hsu auf dem Papier sind CSAIL Studenten Mingmin Zhao und Guang-Er Lee und alumnus Rumen Hristov SM ’16.

Die Vorhersage „tracklets“ und Identitäten

Wenn Sie eingesetzt werden, in einem Heim, Marko schießt sich ein RF-signal. Wenn das signal rebounds, erstellt es eine Art von Hitze-Karte schneiden in den vertikalen und horizontalen „frames“, die zeigt, wo Menschen in einer drei-dimensionalen Raum. Die Menschen erscheinen als helle kleckse auf der Landkarte. Vertikale frames erfassen der person in der Höhe und zu bauen, während die horizontalen frames bestimmen Sie Ihre Allgemeine Lage. Als Individuen gehen, analysiert das system die RF-frames-über 30 pro Sekunde — zum generieren von kurzen Trajektorien, genannt tracklets.

Ein convolutional neural network-eine Maschine-learning-Modell Häufig verwendet, für die Bildverarbeitung — nutzt diese tracklets zu trennen Reflexionen durch bestimmte Personen. Für jeden einzelnen er spürt, legt das system zwei „Filterung der Masken“, die kleine Kreise um den einzelnen. Diese Masken, die im Prinzip filtern alle Signale außerhalb des Kreises, die sperren in den einzelnen, die Flugbahn und-Höhe, wie Sie sich bewegen. Die Kombination all dieser Informationen — Körpergröße, Körperbau und Bewegung-die network associates-spezifischen HF-Reflexionen mit bestimmten Personen.

Aber zu-tag-Identitäten für diejenigen, anonyme blobs, muss das system zunächst „trainiert.“ Für ein paar Tage, Einzelpersonen tragen low-powered-accelerometer-sensoren, die verwendet werden, um label die reflektierten Funksignale mit Ihren jeweiligen Identitäten. Wenn Sie eingesetzt werden, in der Ausbildung, Marko zunächst erzeugt der Benutzer‘ tracklets, wie es funktioniert in der Praxis. Dann wird ein Algorithmus korreliert gewisse Beschleunigung features mit motion-Funktionen. Wenn der Benutzer zu Fuß, zum Beispiel, die Beschleunigung bewegt sich mit den Schritten, sondern wird zu einer flachen Linie, wenn Sie zu stoppen. Der Algorithmus findet die beste übereinstimmung zwischen der Beschleunigung von Daten und tracklet und Bezeichnungen, die tracklet mit der Identität des Benutzers. In doing so, Marko lernt Sie die reflektierten Signale korrelieren mit bestimmten Identitäten.

Die sensoren müssen nie aufgeladen werden, und, nach dem training, die Personen, die nicht brauchen, Sie zu tragen wieder. Im home-Bereitstellungen, Marko war in der Lage zu markieren, die Identitäten von Individuen in neuen Häusern mit zwischen 85 und 95 Prozent Genauigkeit.

Auffällig ist eine gute (Daten-Sammlung) balance

Die Forscher hoffen, Gesundheitseinrichtungen verwenden Marko, passiv zu überwachen, zu sagen, wie die Patienten die Interaktion mit Familie und Betreuer, und ob die Patienten erhalten Medikamente auf Zeit. In einer betreuten Einrichtung, zum Beispiel, die Forscher stellten fest bestimmten Zeiten eine Krankenschwester würde gehen, um eine Hausapotheke in einem Patienten Zimmer und dann an den Patienten im Bett. , Die zeigten, dass die Krankenschwester hatten, in diesen bestimmten Zeiten verabreicht dem Patienten Medikamente.

Das system kann auch ersetzen die Fragebögen und Tagebücher, die derzeit bei Psychologen oder Verhaltensforscher, um das erfassen von Daten über Ihre Studie Probanden, die Dynamik der Familie, Tagesablauf oder Schlafrhythmus, unter anderen Verhalten. Diese traditionelle Aufnahme-Methoden ungenau sein können, enthalten bias, und sind nicht gut geeignet für Langzeitstudien, in denen Menschen daran erinnern, was Sie haben Tage oder Wochen. Einige Forscher haben begonnen, die Ausrüstung der Menschen mit tragbaren sensoren zur überwachung der Bewegung und Biometrie. Aber auch ältere Patienten, insbesondere, vergessen oft zu tragen oder aufladen. „Die motivation hier ist das design, bessere Werkzeuge für die Forscher,“ Hsu sagt.

Warum nicht einfach Kameras installieren? Für den Anfang, dies würde verlangen, dass jemand zu beobachten und manuell die Aufzeichnung aller notwendigen Informationen. Marko, auf der anderen Seite automatisch mit tags Verhaltensmuster-wie Bewegung, Schlaf und Interaktion — zu spezifischen Bereichen, Tage und Zeiten.

Auch, video ist nur mehr invasive, Hsu fügt hinzu: „die Meisten Menschen sind nicht komfortabel mit gefilmt die ganze Zeit, vor allem im eigenen Haus. Mit Funksignalen zu tun, all diese Arbeit schlägt eine gute balance zwischen immer einige level hilfreiche Informationen, aber nicht die Menschen fühlen sich unwohl.“

Katabi und Ihre Schüler auch plan zu kombinieren Marko mit Ihr vor der Arbeit auf die Herleitung von Atmung und Herzfrequenz aus den umliegenden Funksignale. Marko wird dann verwendet, um zuordnen dieser Biometrie-Daten mit den entsprechenden Personen. Könnte es auch die Menschen verfolgen die Geschwindigkeiten, die ein guter Indikator für die funktionale Gesundheit von älteren Patienten.