CN113080859A - 一种基于日常行为分析的阿尔茨海默症预警*** - Google Patents
一种基于日常行为分析的阿尔茨海默症预警*** Download PDFInfo
- Publication number
- CN113080859A CN113080859A CN202110348244.9A CN202110348244A CN113080859A CN 113080859 A CN113080859 A CN 113080859A CN 202110348244 A CN202110348244 A CN 202110348244A CN 113080859 A CN113080859 A CN 113080859A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- early warning
- analysis
- alzheimer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 208000024827 Alzheimer disease Diseases 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 title claims abstract description 24
- 238000007405 data analysis Methods 0.000 claims abstract description 25
- 230000006399 behavior Effects 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000003745 diagnosis Methods 0.000 claims abstract description 17
- 238000013500 data storage Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims description 30
- 238000012360 testing method Methods 0.000 claims description 30
- 230000002159 abnormal effect Effects 0.000 claims description 19
- 206010017577 Gait disturbance Diseases 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 9
- 239000013256 coordination polymer Substances 0.000 claims description 6
- 230000007958 sleep Effects 0.000 claims description 6
- 230000005021 gait Effects 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 210000000988 bone and bone Anatomy 0.000 claims description 3
- 210000003128 head Anatomy 0.000 claims description 3
- 210000003371 toe Anatomy 0.000 claims description 3
- 208000010877 cognitive disease Diseases 0.000 abstract description 11
- 208000024891 symptom Diseases 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 10
- 208000027061 mild cognitive impairment Diseases 0.000 abstract description 8
- 230000003109 amnesic effect Effects 0.000 abstract description 5
- 238000000034 method Methods 0.000 abstract description 5
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 4
- 230000006806 disease prevention Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 abstract description 2
- 230000002354 daily effect Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000003989 repetitive behavior Effects 0.000 description 3
- 208000013406 repetitive behavior Diseases 0.000 description 3
- 208000019116 sleep disease Diseases 0.000 description 3
- 206010061296 Motor dysfunction Diseases 0.000 description 2
- 206010041349 Somnolence Diseases 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000000323 shoulder joint Anatomy 0.000 description 2
- 229940034610 toothpaste Drugs 0.000 description 2
- 239000000606 toothpaste Substances 0.000 description 2
- 210000001364 upper extremity Anatomy 0.000 description 2
- 208000028698 Cognitive impairment Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 208000007590 Disorders of Excessive Somnolence Diseases 0.000 description 1
- 208000027534 Emotional disease Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
Landscapes
- Health & Medical Sciences (AREA)
- Neurology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- Physics & Mathematics (AREA)
- Developmental Disabilities (AREA)
- Biophysics (AREA)
- Child & Adolescent Psychology (AREA)
- Engineering & Computer Science (AREA)
- Hospice & Palliative Care (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于日常行为分析的阿尔茨海默症预警***，涉及疾病预防技术领域，解决了现有方案中对遗忘性轻度认知障碍症状相关异常行为捕捉和分析的过程中成本高、应用范围小、准确度不高的技术问题；包括处理器、***诊断模块、数据采集模块、数据分析模块、结果生成模块、监控展示模块和数据存储模块；本发明设置了数据分析模块，该设置使得本发明可推广性高，保证了数据分析的全面性，有助于提高AD预警的准确率；本发明设置了结果生成模块，该设置能够准确捕获遗忘性轻度认知障碍症状相关症状的行为特征，达到早期AD预警作用。
Description
技术领域
本发明属于疾病预防领域，涉及日常行为分析技术，具体是一种基于日常行为分析的阿尔茨海默症预警***。
背景技术
痴呆症是一种以认知和情绪障碍为特征的临床疾病，常见的症状是记忆力、推理能力、语言能力和感知能力下降，影响日常功能和生活质量，其中阿尔茨海默症(AlzheimerDisease，AD)是影响老年人最常见的类型。
研究表明，当对遗忘性轻度认知损害患者进行纵向观察时，与健康年龄匹配的个体相比，他们以相当快的速度发展为临床上可能的AD，而且诊断AD通常很困难，尤其是在早期阶段，因为该病的许多症状与自然衰老相似；因此，在日常生活中精确高效地检测遗忘性认知损伤患者的异常行为，实现疾病检测，对于AD预警起着重要作用。
目前，有许多相关技术和手段用于居家养老智能看护***中(如：射频识别装置、加速度传感器、脉搏传感器、GPS定位与温度传感器等)，使用人员将装置佩戴在身体上，对佩戴者的身体状况、突发情况和位置信息进行日常生活活动监测。但是，这些手段无法精确检测人在日常生活中具体行为变化，同时以上方法都需要使用人员在躯干部位佩戴相关设备，存在影响日常行为活动、应用范围小、成本高等缺点。因此，亟需一种成本低、适用性强、准确度高的技术在日常生活活动中对遗忘性轻度认知障碍症状相关异常行为进行捕捉与分析。
发明内容
为了解决上述方案存在的问题，本发明提供了一种基于日常行为分析的阿尔茨海默症预警***，用于解决现有方案中对遗忘性轻度认知障碍症状相关异常行为捕捉和分析的过程中成本高、应用范围小、准确度不高的技术问题。
本发明的目的可以通过以下技术方案实现：一种基于日常行为分析的阿尔茨海默症预警***，包括处理器、***诊断模块、数据采集模块、数据分析模块、结果生成模块、监控展示模块和数据存储模块；
所述数据采集模块用于采集通讯测试时长和高清视频数据，将通讯测试时长发送至***诊断模块，将高清视频数据分别发送至数据分析模块和数据存储模块；
所述数据分析模块用于对高清视频数据进行分析，包括：
当数据分析模块接收到高清视频数据之后，将高清视频数据逐帧分解成图像并标记为视频图像；
根据视频图像的分辨率建立二维坐标系，以高清视频数据对应的高清摄像头为原点建立三维坐标系，获取视频图像中19个关节骨骼点的三维坐标；按照时间顺序将同一关节骨骼点的三维坐标生成关节坐标链表；将关节坐标链表分别发送至结果生成模块和数据存储模块；
所述结果生成模块根据关节坐标链表，结合高清摄像头组设置的位置生成输出结果；根据输出结果对AD患者进行预警分析。
优选的，所述AD患者的预警分析包括：
通过输出结果获取遗忘次数、步态异常标签、睡眠异常次数、梳妆评分和穿衣评分，分别将遗忘次数、步态异常标签、睡眠异常次数、梳妆评分和穿衣评分标记为YC、BYB、SYC、SP和CP；
通过公式ADP＝(SP+CP)×ln(1+α1×YC×SYC+α2×BYB)获取AD评估系数ADP；其中α1和α2均为比例系数，且α1和α2均为大于0的实数；
当ADP>L1时，则生成并发送AD预警信号至监控展示模块；否则，不生成信号；其中L1为评估阈值，且L1通过大量数据模拟获取。
优选的，所述监控展示模块用于接收AD预警信号，并提醒监护人员。
优选的，所述遗忘次数为遗忘事件发生次数，其中遗忘事件包括忘记关水、忘记关电和忘记关门；所述睡眠异常包括晚上在家中徘徊和白天瞌睡；所述步态异常标签通过步幅、速度和频率综合判定，且所述步态异常标签的取值为0和1，当步态异常标签为0时，表示步态正常，当步态异常标签为1时，表示步态异常。
优选的，所述输出结果包括合成追踪视频，并生成运动轨迹图、运动热点图、躯干关节点坐标、骨架长度和骨架方向角；所述躯干关节点坐标为关节骨骼点的三维坐标，所述骨架长度为所连接骨架之间的长度；所述骨架方向角的范围为0°-360°。
优选的，19个所述关节骨骼点由头、双眼、脖子、双肩、双肘、双手、脊椎、双臂、双溪、双脚尖和双脚跟组成。
优选的，所述通讯测试时长的采集具体包括：
通过数据采集模块按照设定周期发送第一测试信号至高清摄像头，高清摄像头接收到第一测试信号时，立即发送第二测试信号至数据采集模块；所述设定周期包括一秒钟、一分钟和一刻钟；
获取数据采集模块接收第二测试信号和发送第一测试信号之间的时间差值，将时间差值标记为通讯测试时长。
优选的，所述***诊断模块根据通讯测试时长判断高清摄像头的故障，包括：
当***诊断模块接收到通讯测试时长之后，将通讯测试时长标记为TCS；
当0<TCS<L1时，则判定通讯测试时长TCS对应的高清摄像头正常；当TCS≥L1时，则判定通讯测试时长TCS对应的高清摄像头异常，同时将对应的高清摄像头标记为嫌疑摄像头；其中L1为时长阈值，且L1通过大量数据模拟获取；
当嫌疑摄像头所在高清摄像头组中的高清摄像头全部异常时，则生成并发送通信异常信号至监控展示模块；否则生成并发送摄像头异常信号至监控显示模块。
优选的，所述数据采集模块与高清摄像头组电气连接；所述高清摄像头组至少包括三个高清摄像头。
优选的，所述处理器分别与***诊断模块、数据采集模块、数据分析模块、结果生成模块、监控展示模块和数据存储模块通信和/或电气连接；所述数据采集模块分别与***诊断模块和数据分析模块通信和/或电气连接，所述监控展示模块分别与数据存储模块和结果生成模块通信和/或电气连接，所述结果生成模块和数据分析模块通信和/或电气连接。
与现有技术相比，本发明的有益效果是：
1、本发明设置了数据分析模块，该设置对高清视频数据进行综合分析，并以高清摄像头组中的高清摄像头以原点，建立三维坐标系，并根据关节骨骼点的三维坐标系生成关节坐标链表，成本低，可推广性高，保证了数据分析的全面性，有助于提高AD预警的准确率。
2、本发明设置了结果生成模块，该设置根据关节坐标链表，结合高清摄像头组设置的位置生成输出结果，根据输出结果对AD患者进行预警分析，通过对躯干19个关节骨骼点进行识别追踪与骨骼分析，能够准确捕获遗忘性轻度认知障碍症状相关症状的行为特征，达到早期AD预警作用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一：
请参阅图1，本发明提供了一种基于日常行为分析的阿尔茨海默症预警***，包括处理器、***诊断模块、数据采集模块、数据分析模块、结果生成模块、监控展示模块和数据存储模块；
数据采集模块用于采集通讯测试时长和高清视频数据，将通讯测试时长发送至***诊断模块，将高清视频数据分别发送至数据分析模块和数据存储模块；
数据分析模块用于对高清视频数据进行分析，包括：
当数据分析模块接收到高清视频数据之后，将高清视频数据逐帧分解成图像并标记为视频图像；
根据视频图像的分辨率建立二维坐标系，以高清视频数据对应的高清摄像头为原点建立三维坐标系，获取视频图像中19个关节骨骼点的三维坐标；按照时间顺序将同一关节骨骼点的三维坐标生成关节坐标链表；将关节坐标链表分别发送至结果生成模块和数据存储模块；
结果生成模块根据关节坐标链表，结合高清摄像头组设置的位置生成输出结果；根据输出结果对AD患者进行预警分析。
进一步地，AD患者的预警分析包括：
通过输出结果获取遗忘次数、步态异常标签、睡眠异常次数、梳妆评分和穿衣评分，分别将遗忘次数、步态异常标签、睡眠异常次数、梳妆评分和穿衣评分标记为YC、BYB、SYC、SP和CP；
通过公式ADP＝(SP+CP)×ln(1+α1×YC×SYC+α2×BYB)获取AD评估系数ADP；其中α1和α2均为比例系数，且α1和α2均为大于0的实数；
当ADP>L1时，则生成并发送AD预警信号至监控展示模块；否则，不生成信号；其中L1为评估阈值，且L1通过大量数据模拟获取。
进一步地，监控展示模块用于接收AD预警信号，并提醒监护人员。
进一步地，遗忘次数为遗忘事件发生次数，其中遗忘事件包括忘记关水、忘记关电和忘记关门；睡眠异常包括晚上在家中徘徊和白天瞌睡；步态异常标签通过步幅、速度和频率综合判定，且步态异常标签的取值为0和1，当步态异常标签为0时，表示步态正常，当步态异常标签为1时，表示步态异常。
进一步地，输出结果包括合成追踪视频，并生成运动轨迹图、运动热点图、躯干关节点坐标、骨架长度和骨架方向角；躯干关节点坐标为关节骨骼点的三维坐标，骨架长度为所连接骨架之间的长度，如头-脖子骨架，以像素点为单位；骨架方向角的范围为0°-360°，以头-脖子骨架为例，以鼻尖为原点建立二维坐标系，鼻尖-尾根向量与X轴正方向所成的夹角，若鼻尖-尾根向量与X正方向重合则为0°，顺时针旋转角度不断增加，逆时针旋转角度不断减小。
进一步地，19个关节骨骼点由头、双眼、脖子、双肩、双肘、双手、脊椎、双臂、双溪、双脚尖和双脚跟组成。
进一步地，通讯测试时长的采集具体包括：
通过数据采集模块按照设定周期发送第一测试信号至高清摄像头，高清摄像头接收到第一测试信号时，立即发送第二测试信号至数据采集模块；设定周期包括一秒钟、一分钟和一刻钟；
获取数据采集模块接收第二测试信号和发送第一测试信号之间的时间差值，将时间差值标记为通讯测试时长。
进一步地，***诊断模块根据通讯测试时长判断高清摄像头的故障，包括：
当***诊断模块接收到通讯测试时长之后，将通讯测试时长标记为TCS；
当0<TCS<L1时，则判定通讯测试时长TCS对应的高清摄像头正常；当TCS≥L1时，则判定通讯测试时长TCS对应的高清摄像头异常，同时将对应的高清摄像头标记为嫌疑摄像头；其中L1为时长阈值，且L1通过大量数据模拟获取；
当嫌疑摄像头所在高清摄像头组中的高清摄像头全部异常时，则生成并发送通信异常信号至监控展示模块；否则生成并发送摄像头异常信号至监控显示模块。
进一步地，数据采集模块与高清摄像头组电气连接；高清摄像头组至少包括三个高清摄像头。
进一步地，处理器分别与***诊断模块、数据采集模块、数据分析模块、结果生成模块、监控展示模块和数据存储模块通信和/或电气连接；数据采集模块分别与***诊断模块和数据分析模块通信和/或电气连接，监控展示模块分别与数据存储模块和结果生成模块通信和/或电气连接，结果生成模块和数据分析模块通信和/或电气连接。
实施例二：
请参阅图1，本发明提供了一种基于日常行为分析的阿尔茨海默症预警***，包括处理器、***诊断模块、数据采集模块、数据分析模块、结果生成模块、监控展示模块和数据存储模块；
数据分析模块用于对高清视频数据进行分析获取输出结果；通过输出结果获取遗忘次数、步态异常标签、睡眠异常次数、梳妆评分和穿衣评分；
进一步地，梳妆评分共有11分，取下牙膏盖、把牙膏挤在牙刷上、打开水、刷牙、浸湿洗手帕、洗脸关水、梳头、穿上大衣、扣上纽扣、打领带、拉上拉链共11个步骤，当11个步骤全部完成时梳妆评分为11分。
进一步地，穿衣评分共有10分，将上肢***袖子、袖子向上拉过肘关节、袖子向上拉过肩关节、将衬衫穿过背部拉到对侧肩关节、将完整的上肢***另一个袖子中、排列衣领、扣紧第一个钮扣、扣紧第二个钮扣、扣紧第三个钮扣、扣紧第四个钮扣共有10个步骤，当10个步骤全部完成时穿衣评分为10分。
进一步地，通过所述输出结果还可判断运动功能障碍和异常活动；其中异常活动包括过度行为和重复行为；过度行为为相关人员在住宅内的过度活动水平，根据实证研究，认为如果在短时间内有太多的活动，这意味着这个人可能在活动中表现出轻度认知损伤的过度活动症状；如果老年人有重复的行为，例如在位置之间行走以寻找他们的目标或重复相同的行动，我们认为这种活动算为重复行为。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
本发明的工作原理：
本发明采用多方位高空间分辨率摄像头，利用计算机视觉与深度学术技术，无需借助其他硬件设备，通过对人的躯干19个关节骨骼点进行识别追踪与骨骼分析，准确捕获遗忘性轻度认知障碍症状相关症状的行为特征，如：日常遗忘性事件、睡眠障碍、认知功能障碍(精细行为受损：如穿衣)、运动功能障碍(如：步态异常)；根据行为特征获取AD评估系数，根据AD评估系数与评估阈值的比较结果来实现AD预警。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (6)
1.一种基于日常行为分析的阿尔茨海默症预警***，其特征在于，包括处理器、***诊断模块、数据采集模块、数据分析模块、结果生成模块、监控展示模块和数据存储模块；
所述数据采集模块用于采集通讯测试时长和高清视频数据，将通讯测试时长发送至***诊断模块，将高清视频数据分别发送至数据分析模块和数据存储模块；
所述数据分析模块用于对高清视频数据进行分析，包括：
当数据分析模块接收到高清视频数据之后，将高清视频数据逐帧分解成图像并标记为视频图像；
根据视频图像的分辨率建立二维坐标系，以高清视频数据对应的高清摄像头为原点建立三维坐标系，获取视频图像中19个关节骨骼点的三维坐标；按照时间顺序将同一关节骨骼点的三维坐标生成关节坐标链表；将关节坐标链表分别发送至结果生成模块和数据存储模块；
所述结果生成模块根据关节坐标链表，结合高清摄像头组设置的位置生成输出结果；根据输出结果对AD患者进行预警分析。
2.根据权利要求1所述的一种基于日常行为分析的阿尔茨海默症预警***，其特征在于，所述AD患者的预警分析包括：
通过输出结果获取遗忘次数、步态异常标签、睡眠异常次数、梳妆评分和穿衣评分，分别将遗忘次数、步态异常标签、睡眠异常次数、梳妆评分和穿衣评分标记为YC、BYB、SYC、SP和CP；
通过公式ADP＝(SP+CP)×ln(1+α1×YC×SYC+α2×BYB)获取AD评估系数ADP；其中α1和α2均为比例系数，且α1和α2均为大于0的实数；
当ADP>L1时，则生成并发送AD预警信号至监控展示模块；否则，不生成信号；其中L1为评估阈值，且L1通过大量数据模拟获取。
3.根据权利要求1所述的一种基于日常行为分析的阿尔茨海默症预警***，其特征在于，所述监控展示模块用于接收AD预警信号，并提醒监护人员。
4.根据权利要求2所述的一种基于日常行为分析的阿尔茨海默症预警***，其特征在于，所述遗忘次数为遗忘事件发生次数；所述步态异常标签通过步幅、速度和频率综合判定。
5.根据权利要求1所述的一种基于日常行为分析的阿尔茨海默症预警***，其特征在于，19个所述关节骨骼点由头、双眼、脖子、双肩、双肘、双手、脊椎、双臂、双溪、双脚尖和双脚跟组成。
6.根据权利要求2所述的一种基于日常行为分析的阿尔茨海默症预警***，其特征在于，所述输出结果包括合成追踪视频，并生成运动轨迹图、运动热点图、躯干关节点坐标、骨架长度和骨架方向角；所述躯干关节点坐标为关节骨骼点的三维坐标，所述骨架长度为所连接骨架之间的长度；所述骨架方向角的范围为0°-360°。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110348244.9A CN113080859A (zh) | 2021-03-31 | 2021-03-31 | 一种基于日常行为分析的阿尔茨海默症预警*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110348244.9A CN113080859A (zh) | 2021-03-31 | 2021-03-31 | 一种基于日常行为分析的阿尔茨海默症预警*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113080859A true CN113080859A (zh) | 2021-07-09 |
Family
ID=76671988
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110348244.9A Pending CN113080859A (zh) | 2021-03-31 | 2021-03-31 | 一种基于日常行为分析的阿尔茨海默症预警*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113080859A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113827869A (zh) * | 2021-11-12 | 2021-12-24 | 江西希尔康泰制药有限公司 | 阿尔茨海默症治疗仪用高电位超短波信号调节控制*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975956A (zh) * | 2016-05-30 | 2016-09-28 | 重庆大学 | 一种基于红外全景摄像头的独居老人异常行为识别方法 |
| CN106022213A (zh) * | 2016-05-04 | 2016-10-12 | 北方工业大学 | 一种基于三维骨骼信息的人体动作识别方法 |
| US20180279936A1 (en) * | 2015-04-01 | 2018-10-04 | Tiranoff Productions LLC | Video databases and methods for detection or diagnosis of neurodevelopment disorders |
| CN108780663A (zh) * | 2015-12-18 | 2018-11-09 | 科格诺亚公司 | 数字个性化医学平台和*** |
| CN111063416A (zh) * | 2019-11-16 | 2020-04-24 | 嘉兴赛科威信息技术有限公司 | 一种基于虚拟现实的阿尔兹海默症康复训练及能力评估*** |
-
2021
- 2021-03-31 CN CN202110348244.9A patent/CN113080859A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180279936A1 (en) * | 2015-04-01 | 2018-10-04 | Tiranoff Productions LLC | Video databases and methods for detection or diagnosis of neurodevelopment disorders |
| CN108780663A (zh) * | 2015-12-18 | 2018-11-09 | 科格诺亚公司 | 数字个性化医学平台和*** |
| CN106022213A (zh) * | 2016-05-04 | 2016-10-12 | 北方工业大学 | 一种基于三维骨骼信息的人体动作识别方法 |
| CN105975956A (zh) * | 2016-05-30 | 2016-09-28 | 重庆大学 | 一种基于红外全景摄像头的独居老人异常行为识别方法 |
| CN111063416A (zh) * | 2019-11-16 | 2020-04-24 | 嘉兴赛科威信息技术有限公司 | 一种基于虚拟现实的阿尔兹海默症康复训练及能力评估*** |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113827869A (zh) * | 2021-11-12 | 2021-12-24 | 江西希尔康泰制药有限公司 | 阿尔茨海默症治疗仪用高电位超短波信号调节控制*** |
| CN113827869B (zh) * | 2021-11-12 | 2023-05-16 | 江西希尔康泰制药有限公司 | 阿尔茨海默症治疗仪用高电位超短波信号调节控制*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110477925B (zh) | 一种针对敬老院老人的跌倒检测与预警方法及*** | |
| KR100917486B1 (ko) | 컴퓨터 그래픽 애니메이션용 안면 근육 및 눈 움직임 추적시스템 및 방법 | |
| EP3402405B1 (en) | System for diagnosis and notification regarding the onset of a stroke | |
| Alam et al. | Automated functional and behavioral health assessment of older adults with dementia | |
| CN104331685A (zh) | 非接触式主动呼叫方法 | |
| Alam et al. | Inferring physical agitation in dementia using smartwatch and sequential behavior models | |
| Sama et al. | Analyzing human gait and posture by combining feature selection and kernel methods | |
| Akther et al. | mORAL: An mHealth model for inferring oral hygiene behaviors in-the-wild using wrist-worn inertial sensors | |
| Alam et al. | Multiple-instance learning for sparse behavior modeling from wearables: Toward dementia-related agitation prediction | |
| Zamzami et al. | Pain assessment in infants: Towards spotting pain expression based on infants' facial strain | |
| Jung et al. | Deep neural network-based gait classification using wearable inertial sensor data | |
| Andrade et al. | Pelvic movement variability of healthy and unilateral hip joint involvement individuals | |
| CN113080859A (zh) | 一种基于日常行为分析的阿尔茨海默症预警*** | |
| Khan et al. | Efficient Car Alarming System for Fatigue Detectionduring Driving | |
| Ren et al. | Multivariate analysis of joint motion data by Kinect: application to Parkinson’s disease | |
| Ding et al. | Noncontact multiphysiological signals estimation via visible and infrared facial features fusion | |
| Dzieżyc et al. | How to catch them all? enhanced data collection for emotion recognition in the field | |
| Sadek et al. | Computer Vision Techniques for Autism Symptoms Detection and Recognition: A Survey. | |
| Hussain et al. | Do you brush your teeth properly? an off-body sensor-based approach for toothbrushing monitoring | |
| Pham et al. | Lad: A hybrid deep learning system for benign paroxysmal positional vertigo disorders diagnostic | |
| Pediaditis et al. | Vision-based human motion analysis in epilepsy-methods and challenges | |
| Yuan et al. | Pain intensity recognition from masked facial expressions using swin-transformer | |
| Kim et al. | Low-cost real-time driver drowsiness detection based on convergence of ir images and eeg signals | |
| Sokolova et al. | A distributed architecture for multimodal emotion identification | |
| Senanayake et al. | Artificial neural network based gait patterns identification using neuromuscular signals and soft tissue deformation analysis of lower limbs muscles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210709 |