KI-gestütztes System zur Vorhersage von Stürzen bei älteren Menschen mit tragbaren Sensoren: Eine intelligente Technologie für die häusliche Pflege mit IoT

Beeinträchtigung und ein erheblicher Rückgang der Mobilität, Unabhängigkeit und Lebensqualität älterer Menschen. In diesem Zusammenhang schlägt die vorliegende Arbeit ein neuartiges IoT-basiertes System vor, das die Nutzung von energiesparenden drahtlosen Sensornetzwerken, Big Data, Cloud Computing und smarten Geräten zur Erkennung von Stürzen älterer Personen in Innenräumen ermöglicht. Ein dreidimensionaler Achsenbeschleunigungssensor, der in ein tragbares sechsLowPAN-Gerät integriert ist, wird zu diesem Zweck verwendet und ist verantwortlich für die Erfassung von in Echtzeit gesammelten Daten über die Bewegungen älterer Menschen. Die Signale des Sensors werden verarbeitet und analysiert, wobei ein Maschinenlernmodell auf einem fortschrittlichen IoT-Gateway verwendet wird, um eine hohe Effizienz bei der Sturzerkennung zu gewährleisten. Wir verwenden kostengünstige tragbare Sensortechnologien von Apache Flink und MbientLab, eine Open-Source-Übertragungs-Engine, eine kurzfristige Architektur mit langem Gedächtnis und die Kategorisierung von Stürzen. Wir untersuchen die ideale Nyquist-Rate, die Sensorplatzierung und die Änderung mehrerer Kanalinformationen unter Verwendung des Trainingssatzes, der mit dem veröffentlichten Datensatz "MobiAct" entwickelt wurde. Mit einer Genauigkeitsrate von 95,87 % kann unser Edge-Computing-System Stürze mithilfe von Echtzeit-Datenstromanalysen erkennen.