تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > بحث>Enhancing Human Fall Detection...>الوصف

Enhancing Human Fall Detection with Wearable Sensors: Exploring Artificial Intelligence through Approximate Entropy

العنوان بلغة أخرى: تحسين اكتشاف السقوط البشري باستخدام أجهزة الاستشعار القابلة للارتداء: استخدام الذكاء الاصطناعي من خلال الأنتروبيا التقريبية
المصدر: مجلة شمال إفريقيا للنشر العلمي
الناشر: الأكاديمية الأفريقية للدراسات المتقدمة
المؤلف الرئيسي: هويدي، عادل فتحي (مؤلف)
المؤلف الرئيسي (الإنجليزية): Howedi, Aadel Fathe
مؤلفين آخرين: البرني، موسى علي (م. مشارك) , الأشهب، مجدي إبراهيم (م. مشارك) , ميلاد، محمد الطاهر (م. مشارك)
المجلد/العدد: مج2, ع2
محكمة: نعم
الدولة: ليبيا
التاريخ الميلادي: 2024
الشهر: يونيو
الصفحات: 80 - 88
ISSN: 2959-4820
رقم MD: 1525749
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch, HumanIndex
مواضيع:
الرعاية الصحية | كبار السن | الأنشطة البشرية | سقوط الأفراد | الذكاء الاصطناعي
كلمات المؤلف المفتاحية:
اكتشاف حالات السقوط البشرية | مقاييس الأنتروبيا | تمييز الأنشطة البشرية | أجهزة الاستشعار القابلة للارتداء | Detection of People Falls | Approximate Entropy | Recognition of Human Activity | Wearable Sensors | Activities of Daily Living "ADL"
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

1

حفظ في:
المستخلص: يشكل السقوط بين الأفراد الذين يعيشون بمفردهم في المنزل مخاطر صحية كبيرة، خاصة بالنسبة لكبار السن، مما يمثل تحديا كبيرا في مجال الرعاية الصحية. يعد اكتشاف الحالات الحرجة في أنشطة الحياة اليومية (ADL) أمرا بالغ الأهمية لإدارة الرعاية الصحية الاستباقية، مما يساعد في التحديد المبكر للمشكلات المحتملة وتحسين نوعية الحياة لهذه الفئة العمرية. ساهمت العديد من الدراسات في الكشف عن الحالات المعرضة للمخاطر أثناء القيام بالأنشطة الروتينية اليومية والحد من عواقبها الوخيمة، وذلك باستخدام أجهزة الاستشعار المختلفة. ولذلك، هناك حاجة ملحة لتطوير نظام دقيق قادر على الكشف الدقيق عن حالات السقوط البشرية أثناء القيام بالأنشطة اليومية داخل البيئة المنزلية. يركز هذا البحث بشكل خاص على تحديد وتمييز السقوط البشري في أثناء القيام بالأنشطة اليومية من خلال الاستفادة من البيانات التي يتم تجميعها من أجهزة الاستشعار القابلة للارتداء. تقدم هذه الورقة نموذجا جديدا يستخدم مقياس الإنتروبيا التقريبي (ApEn) للكشف عن حالات السقوط البشرية أثناء القيام بالأنشطة اليومية داخل المنزل، مما يحقق مستوى عال من الدقة بشكل ملحوظ. يتم تقييم فعالية طريقة الإنتروبيا التقريبية المقترحة باستخدام مجموعة بيانات URFD المتاحة لعامة الناس. توضح النتائج التجريبية أن مقاييس الإنتروبيا المقترحة تبشر بالخير في الكشف الدقيق عن حالات سقوط الإنسان وتمييزها عن الأنشطة الأخرى، كما تؤكد التحليلات المقارنة مع التقنيات الأخرى فعالية الإنتروبيا التقريبية المقترحة.

Falls among individuals living alone at home pose significant health risks, particularly for older adults, presenting a substantial challenge in healthcare. Detecting anomalies in their Activities of Daily Living (ADL) is crucial for proactive healthcare management, aiding in the early identification of potential issues and enhancing the quality of life for this demographic. Numerous studies have explored anomaly detection in ADL using various sensor types. Therefore, there is a pressing need to develop a precise system capable of accurately detecting human falls during ADLs within a home environment. This research specifically focuses on identifying and distinguishing human falls in ADLs by leveraging data collected from wearable sensors. This paper introduces a novel model employing the Approximate Entropy (ApEn) measure for detecting human falls during ADLs within home settings, achieving a notably high level of accuracy. The effectiveness of this proposed Approximate Entropy method is assessed using the publicly available URFD dataset. The experimental outcomes demonstrate that the entropy measures proposed exhibit promise in accurately detecting and distinguishing human falls from other activities. Comparative analyses with alternative techniques further corroborate the efficacy of the proposed Approximate Entropy.
ISSN: 2959-4820

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.