Lifelog Agent для анализа моделей человеческой деятельности на платформе Avatar Health

1. Аннотация Цели
2. методы
3. Результаты
4. Выводы
5. Введение
6. II. Описание случая
7. 2. Lifelog Agent для анализа паттернов человеческой деятельности
8. 3. Применение с использованием анализа модели активности и мониторинга сожженных калорий
9. 4. Внедрение Lifelog Agent
10. III. обсуждение

Аннотация

Цели

Чтобы обеспечить точную персонализированную медицинскую помощь, необходимо собрать индивидуальные данные или контекстную информацию о целевом лице. В настоящее время большое количество людей имеют смартфоны, что позволяет использовать сенсоры в смартфонах для ведения журнала. Цель исследования - проанализировать характер человеческой деятельности с помощью агента Lifelog, взаимодействующего с платформой Health Avatar.

методы

Используя журнал жизни, измеренный акселерометром и гироскопом в смартфоне с частотой 50 Гц, агент показывает, как долго пользователь ходит, бегает, сидит, стоит и ложится, и эта информация суммируется по часам. Резюме отправляются на платформу Health Avatar и, наконец, записываются в формате Continuity of Care Record (CCR).

Результаты

Агент lifelog успешно работает с платформой Health Avatar. Кроме того, мы реализуем приложение, которое отображает шаблоны активности пользователя на графике и вычисляет метаболический эквивалент калорий, сжигаемых на основе задач, по часам или по дням, используя журнал жизни формы CCR, чтобы показать, что журнал жизни можно использовать в качестве медицинских карт.

Выводы

Агент показывает, как жизненные журналы анализируются и суммируются, чтобы помочь распознаванию активности. Мы считаем, что наш агент демонстрирует способ включения жизненно важных журналов в медицинское обслуживание и способ использования жизненно важных журналов в медицинском формате.

Ключевые слова: повседневная деятельность, поведение в отношении здоровья, мобильный телефон, автоматическое распознавание образов, медицинские записи.

Введение

Персональная диагностика важна для современных лекарств. Чтобы сделать диагнозы личными, важно получить личные данные или контекстную информацию о человеке; такая информация, рассматриваемая вместе, называется журналом жизни . В частности, записи, которые указывают на повседневную деятельность людей, являются очень ценными ресурсами для определения их состояния здоровья. Записи могут быть использованы для лечения хронических заболеваний [ 1 , 2 ], реабилитационные системы [ 3 ], профилактика болезни [ 4 , 5 ], а также в качестве личных показателей состояния здоровья [ 6 ]. Однако очень сложно следить за действиями пользователей. Существует наивный подход, когда пользователи записывают каждое действие самостоятельно или с помощью, но это практически невозможно из-за ограниченности времени и ресурсов.

Системы здравоохранения для различных целей использовали данные журнала жизни, измеренные датчиками. Fujita et al. [ 7 ] представил систему мониторинга человеческой деятельности, которая идентифицирует человеческую деятельность, ежедневно используя четыре датчика микроэлектромеханических систем. Шахрияр и соавт. [ 8 ] представил Интеллектуальную мобильную систему мониторинга здоровья (IMHMS), которая рассматривает биомедицинские данные и данные об окружающей среде пациентов как журналы жизни и отправляет обратную связь через мобильные устройства. Мена и соавт. [ 9 ] построил мобильное персональное медицинское приложение для амбулаторного мониторинга артериального давления, которое называется ARV-mobile. Сигналы артериального давления и частоты сердечных сокращений, измеренные амбулаторными датчиками артериального давления, считаются журналами спасения и отправляются на мобильные устройства для обнаружения любого неожиданного состояния. Эти системы, однако, требуют другого устройства, в которое встроены датчики, и это может быть неудобно или неудобно для пользователей.

В последнее время смартфоны стали настолько распространенными и популярными, что большое количество людей держат новые устройства почти все время. Поскольку новейшие смартфоны содержат ряд полезных датчиков, таких как акселерометры, глобальная система позиционирования (GPS) или гироскопы, сигналы, обнаруженные датчиками, могут использоваться в качестве данных журнала жизни для измерения активности пользователя и охвата контекстной информации, касающейся Пользователь. Данные журнала жизни, однако, слишком необработаны, а их размер слишком велик; таким образом, их трудно использовать в качестве медицинских карт. Следовательно, необходима система для интерпретации и обобщения данных журнала жизни, чтобы сделать эти сводки полезными в качестве медицинских карт.

Кроме того, сотрудничество с медицинскими институтами необходимо для того, чтобы данные жизненного журнала были практически полезны для лекарств или для целей здравоохранения. В качестве отправной точки мы внедряем нашу систему на основе платформы Health Avatar [ 10 ], которая представляет собой персонализированную платформу медицинских услуг, которая соединяет пользователей и поставщиков услуг простым и безопасным способом. На этой платформе сводки жизненного журнала записываются в виде типа FunctionalStatus в формате непрерывной медицинской помощи (CCR) [ 11 ] и может использоваться другими поставщиками услуг по мере необходимости. Таким образом, мы считаем, что использование платформы Health Avatar позволит многим поставщикам медицинских услуг использовать данные журнала жизни.

II. Описание случая

1. Здоровье Аватар Платформа

Платформа Здорового Аватара [ 10 ] - это персонализированная платформа медицинских услуг, которая обеспечивает канал взаимодействия между пользователями и поставщиками услуг. Платформа Health Avatar управляет простыми в использовании процессами, процессами по требованию или подборам, а также безопасными коммуникационными процессами. Платформа Health Avatar состоит из трех компонентов: агент здоровья, аватар здоровья и брокер. Агент работоспособности - это приложение поставщика услуг, которое отслеживает, суммирует и анализирует личные данные пользователя, такие как медицинские записи, геномная последовательность и данные журнала жизни. Аватара работоспособности - это приложение на стороне пользователя, которое предоставляет полезную информацию, предоставляемую агентами работоспособности. Обратите внимание, что аватар работоспособности хранит все медицинские и геномные данные, относящиеся к пользователю, и отправляет их, когда их требует уполномоченный агент здравоохранения. Брокер, расположенный между аватарами здоровья и агентом здравоохранения, контролирует регистрацию аватаров здоровья и агентов здравоохранения, установление каналов взаимодействия между ними и всех данных, которые отправляются или принимаются. показывает архитектуру платформы Health Avatar.

Архитектура платформы здоровья Аватара. CCR: непрерывность медицинской помощи.

Для разработчиков агентов платформа Health Avatar предоставляет интерфейсы прикладного программирования (API), такие как чтение и запись записей CCR. Агенты работоспособности могут использовать эти API для загрузки данных пользователя и отправки сводных данных или результатов анализа. Наш агент Lifelog также использует API для взаимодействия с платформой Health Avatar. В отличие от других агентов, журналы Lifelog отличаются в важном аспекте. Поскольку Health Avatar не хранит данные журнала жизни, агенты должны генерировать данные журнала жизни на стороне пользователя. В общем, размер данных журнала жизни слишком велик; следовательно, необходимо уменьшить их размер путем обобщения. Затем агенты журнала жизни используют сводки для предоставления услуг.

2. Lifelog Agent для анализа паттернов человеческой деятельности

иллюстрирует взаимодействие между нашим агентом Lifelog и платформой Health Avatar. Агент Lifelog состоит из двух компонентов: приложения Lifelogging и сервера Lifelog. Когда выполняется приложение для ведения журнала жизни, в смартфоне активируются и акселерометр, и гироскоп, и приложение для ведения журнала жизни начинает регистрировать значения датчика с частотой 50 Гц. В идеальной ситуации количество записей журнала в день достигает более 4 миллионов, а размер записей превышает 300 МБ. Хотя смартфон является хорошо разработанным устройством, все еще трудно хранить и интерпретировать такой большой объем данных. Следовательно, в нашей реализации записи журнала жизни передаются на сервер журнала жизни, который имеет возможность надежно хранить личную информацию и интерпретировать огромное количество записей.

Отношения между агентом Lifelog и платформой Health Avatar. CCR: непрерывность медицинской помощи.

Во время передачи огромного количества данных журнала жизни очень важно обеспечить безопасность данных, поскольку они содержат очень конфиденциальную и конфиденциальную информацию. В целях безопасности мы принимаем безопасный и надежный протокол персональной системы учета жизненного цикла (PLUS) [ 12 ]. Протокол состоит из четырех этапов: установление безопасности, аутентификация пользователя, подготовка и передача данных. На этапе установления безопасности PLUS сначала устанавливает безопасный канал связи для безопасного обмена сообщениями между смартфоном и сервером. Они используют один и тот же ключ шифрования для обмена конфиденциальными сообщениями или данными с помощью превосходных алгоритмов, таких как RSA [ 13 ] или AES [ 14 ] алгоритмы. Этап аутентификации пользователя заключается в проверке пользователя, который держит смартфон. В этом случае идентификатор пользователя рассматривается как идентификатор аватара. Сервер проверяет, является ли идентификатор аватара действительным. На следующем этапе, этапе подготовки, перед передачей данных журнала жизни выполняются некоторые необходимые действия. На этом этапе сервер проверяет список журналов, записанных в предыдущих передачах, для процесса восстановления и подготовки. Смартфон проверяет собственную базу данных журнала событий, чтобы проверить, в какой степени данные будут отправлены. Наконец, на этапе восходящего потока смартфон шифрует каждый фрагмент данных журнала, который будет передан на сервер.

После передачи журнала событий второй компонент, сервер журнала событий, сохраняет данные журнала в базе данных в упорядоченной форме. Через некоторое время сервер начинает идентифицировать активность пользователя по собранному журналу жизни. Чтобы распознать активность пользователя, нам сначала нужно вычислить набор векторов признаков для каждого дня. Каждый вектор элементов состоит из 24 различных элементов, которые генерируются из окна с фиксированной шириной из 64 последовательных значений датчика с перекрытием 50% между последовательными окнами. Для каждого окна 12 объектов генерируются путем вычисления средних и стандартных отклонений по каждой оси. Остальные 12 признаков поступают из частотной области после быстрого преобразования Фурье [ 15 ]. Они также генерируются путем вычисления средних и стандартных отклонений в частотной области. После извлечения признаков каждый вектор признаков рассматривается как базовая единица распознавания активности.

В нашем агенте мы выбрали пять основных видов деятельности: ходьба, бег, сидение, стоя и лежа. Они - то, что большинство людей часто делают в своей повседневной жизни. Чтобы распознать действия, мы сначала собираем набор обучающих данных. Мы собираем в качестве обучающего датчика данные набора данных в течение десяти минут для каждого действия с частотой 50 Гц перед развертыванием агента. Мы используем метод распознавания активности на основе метода опорных векторов (SVM), чтобы определить, какое действие выполняется в каждый момент времени. Другие алгоритмы распознавания активности могут быть применены вместо SVM, такие как методы оптимизации на основе роя [ 16 , 17 ]. показывает процесс распознавания деятельности.

Процесс анализа характера деятельности.

Поскольку результаты распознавания активности представляют собой список действий в любой момент, их трудно показать или использовать. Нам нужно выполнить дополнительный шаг, суммирование жизненного журнала. Результаты могут быть агрегированы по часам. Например, сводка может указывать, что пользователь ходит в течение десяти минут, работает в течение одной минуты, сидит в течение сорока двух минут и стоит в течение семи минут с 16:00 до 17:00. Резюме отправляются брокеру на платформе Health Avatar и, наконец, отправляются аватару в формате CCR.

3. Применение с использованием анализа модели активности и мониторинга сожженных калорий

Несмотря на то, что резюме lifelog само по себе полезно для анализа образа жизни пользователя, его можно использовать для различных сервисов. Например, его можно использовать в качестве справочного материала для служб здравоохранения или в сторонних приложениях. Одним из приложений с кратким описанием жизненного журнала является вычисление сожженной калории. В нашем приложении сожженная калория рассчитывается следующим образом [ 18 ]:

Для MET, предполагая, что действия выполняются в общем смысле, мы ссылаемся на [ 18 ], чтобы выбрать следующие значения.

• MET (ходьба) = 3,0

• MET (работает) = 7,0

• MET (сидя) = 1,3

• MET (стоя) = 1,8

• MET (лежа) = 1,0

4. Внедрение Lifelog Agent

В нашей реализации сводка имеет вид <идентификатор, дата, час, активность, время, единица измерения>. Например, сводка <20130805, 07, «сидя», 1427106, мс> указывает, что пользователь сидит в течение 1427106 миллисекунд с 7 до 8 часов утра 5 августа 2013 года. Сводные данные вставляются в атрибут «FunctionalStatus» в Формат CCR. «FunctionalStatus» указывает на способность пациента управлять ежедневными действиями, например, амбулаторными способностями, повседневными действиями, психическим состоянием, способностью заботиться о себе и т. Д. Обобщенные данные журнала жизни рассматриваются как тип «действий Повседневная жизнь". показывает пример данных журнала в форме CCR.

Пример резюме в формате журнала непрерывности медицинской помощи (CCR).

показывает скриншоты нашего приложения, отображающие результаты суммирования жизненного журнала и подсчета сожженных калорий на основе платформы Health Avatar. В этом эксперименте пользователь в течение 7 дней подвергался риску. В календаре нашего приложения дни, в которые пользователь собирал данные журнала, выделяются цветом. Если щелкнуть один из этих дней, на экране отобразится график моделей активности пользователя. Каждый столбец показывает пропорции пяти видов деятельности, а средняя линия показывает калории, сожженные в течение каждого часа. Таким образом, этот график показывает шаблоны активности пользователя и образ жизни за день. Существует возможность отображения графика, который показывает шаблоны для каждого дня, таким образом, показывая шаблоны активности пользователя и образ жизни в течение недели.

Скриншоты приложения для мониторинга активности и калорий сожженных.

III. обсуждение

В этом исследовании мы реализовали агент журнала жизненного цикла для анализа характера деятельности человека, работая с платформой Health Avatar. Агент Lifelog состоит из двух компонентов. Одним из них является приложение для ведения журнала, которое активирует акселерометр и гироскоп в смартфоне и записывает значения датчиков с частотой 50 Гц. Приложение передает данные журнала на сервер журнала событий надежным и безопасным способом в соответствующее время. Другим компонентом является сервер журнала событий, который получает данные журнала событий и анализирует их, чтобы определить пять основных видов деятельности человека: ходить, бегать, сидеть, стоять и лежать. Сервер суммирует результаты по часам, а затем отправляет их на платформу Health Avatar. Кроме того, мы реализуем приложение, которое отображает шаблоны активности пользователя на графике и вычисляет калорийность, сожженную по часам или дням, чтобы показать, как можно использовать обобщенные данные журнала жизни.

Мы считаем, что наш агент предоставляет руководство по включению данных жизненного журнала в медицинские записи, чтобы практикующие врачи или поставщики медицинских услуг могли использовать жизненные журналы более простым способом для обеспечения более точной диагностики, индивидуального планирования физической формы или других различных приложений. В будущем мы планируем собирать не только данные, связанные с деятельностью, но и другие типы данных журнала жизни, такие как данные о сне или рационе питания, чтобы использовать их для объектного, связного и кластерного анализа.

Похожие

Комментарии