Key points are not available for this paper at this time.
노인의 이동성, 독립성 및 삶의 질이 크게 저하되는 장애. 이와 관련하여 현재 연구는 저전력 무선 센싱 네트워크, 빅 데이터, 클라우드 컴퓨팅 및 스마트 장치를 활용하여 실내에서 노인의 낙상을 감지하는 새로운 IoT 기반 시스템을 제안합니다. 이 목적을 위해 웨어러블 6LowPAN 장치에 통합된 3차원 축 가속도가 사용되며, 실시간으로 노인의 움직임에서 수집된 데이터를 수집합니다. 센서의 신호는 고급 IoT 게이트웨이에서 기계 학습 모델을 사용하여 처리되고 분석되어 낙상 감지의 높은 효율성을 제공합니다. 우리는 Apache Flink 및 MbientLab의 저비용 웨어러블 센싱 장치를 사용하며, 오픈 소스 방송 엔진, 장기 메모리를 가진 단기 네트워크 아키텍처 및 낙상 분류를 사용합니다. 우리는 출판된 데이터 세트인 “MobiAct”를 사용하여 개발된 훈련 세트를 통해 이상적인 Nyquist 비율, 센서 위치 및 다중 채널 정보 변화를 검토합니다. 95.87% 정확도로 우리의 엣지 컴퓨팅 시스템은 실시간 데이터 스트림 분석을 통해 낙상을 감지할 수 있습니다.
Kulurkar 외 (금요일), 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: