Visualization of Wearable Data and Biometrics for Analysis and Recommendations in Childhood Obesity
肥胖是非传染性疾病增加后的主要健康风险因素之一。了解影响肥胖的因素是非常复杂的,因为有很多变量可以影响导致肥胖的健康行为。现在,多个数据源可以用于研究健康行为,例如用于身体活动和睡眠的可穿戴传感器,社交媒体,移动和健康数据。在本文中,我们描述了一个仪表板的设计,从卡塔尔的儿童肥胖营地的体动记录和生物特征数据的可视化。该仪表板允许定量发现,可用于指导患者行为和定向定性研究。
2017-05-10 cs.HC
LLM-Enhanced Wearables for Comprehensible Health Guidance in LMICs
Lahore University of Management Sciences (LUMS)(拉合尔管理科学大学)
Guardian Angel通过结合低成本可穿戴设备和基于WhatsApp的LLM代理,提供通俗易懂的健康指导,提升低收入国家用户对健康数据的理解和关注。
2026-02-09 cs.HC
Designing Mobile and Wearable Sensor-Fused Conversational Agents for Health and Wellbeing
Imperial College London(帝国理工学院);KIST(韩国科学技术研究院);IIT Hyderabad(印度理工学院海德拉巴分校)
本教程面向健康领域,旨在教授参与者使用WSDWAS工具,将可穿戴传感器数据与LLM驱动的对话智能体结合,实现从被动监测到可操作福祉对话的转变。
2026-08-17 cs.HC
Exploring Expert Perspectives on Wearable-Triggered LLM Conversational Support for Daily Stress Management
Harvard Medical School(哈佛医学院);University of Memphis(孟菲斯大学);Omnissa;Virginia Tech(弗吉尼亚理工大学)
本文提出EmBot应用,结合可穿戴设备压力检测与LLM对话支持,通过专家访谈揭示设计中的早期紧张点和考虑因素,为日常压力管理和心理健康支持系统设计提供指导。
2026-04-06 cs.HC
A Wearable Medical Sensor for Provisional Healthcare
本文介绍了一种基于间接测量方法的情境感知无线健康监护系统的设计与实现。该系统由非接触式医疗传感器以及用于处理测量结果的传输和接收的通信基础设施组成。非接触式传感器包括一个高灵敏度的三轴加速度计,一个精确的温度和气压传感器,使人们能够通过连续监测与心肺系统相关的两个关键体征来检查患者的健康状况。所开发的系统还可以用于对心脏和肺部进行大量的长期检查,同时测量HR和RR值,以及计算HR和RR比率,该比率由HRR表示。所获得的结果表明,开发的系统的潜力,多功能监测应用于远程医疗
2019-07-18 cs.HC
Beyond Technical Motives: Perceived User Behavior in Abandoning Wearable Health & Wellness Trackers
健康追踪器被广泛采用,以支持个人的日常健康和健康活动跟踪。它们可以帮助增加步骤,改善睡眠模式,改善健康饮食,促进整体健康。尽管可穿戴设备的采用率在增长,但它们的实际使用仍然值得怀疑。虽然一些用户从他们的跟踪器中获得了长期价值,但其他人却面临着将其融入日常生活的障碍。研究分析了这些障碍的技术方面。在本文中,我们分析了与用户习惯和生活方式环境密切相关的劝阻和可穿戴放弃的行为因素。对2017年8款高评级可穿戴设备进行了数据分析。该分析收集了Kijiji和Gumtree的销售帖子,这两个在线零售商分别在意大利和英国市场销售。我们从帖子中提取了关于用户动机的见解,突出了技术条件和限制,以及放弃之前的时间表。研究结果揭示了用户在放弃可穿戴设备时的某些行为模式。此外,对这些帖子的分析显示了帖子的其他动机,与抛弃可穿戴设备无关。
2019-04-16 cs.CY cs.HC
Superpower Glass: Delivering Unobtrusive Real-time Social Cues in Wearable Systems
我们开发了一个自动面部表情识别系统,它可以在谷歌眼镜上运行,并向佩戴者提供实时的【形】社交线索。我们评估该系统作为自闭症谱系障碍(ASD)儿童的行为援助,谁可以大大受益于实时的【形】非侵入性的情绪线索,比神经发育正常的儿童更敏感的感官输入。此外,我们提出了一个移动应用程序,使用户的可穿戴援助审查他们的视频以及自动策划的情感信息的视频播放栏。这将我们的学习辅助工具整合到行为治疗的背景中。扩展我们以前的工作描述在实验室试验中,本文介绍了我们的系统和应用程序级的设计决策,以及在使用该系统的过程中收集的接口学习多个儿童ASD在家里的迭代试验。
2020-02-16 cs.HC
Wearable Computing for Health and Fitness: Exploring the Relationship between Data and Human Behaviour
健康和健身可穿戴技术最近取得了进展,使个人更容易监控他们的行为。之前自行生成的数据与用户交互以激励积极的行为改变,但当将其与长期提及可穿戴设备联系起来时就会出现问题。在这方面的研究进行了讨论。我们还考虑了一种新的方法,其中数据用于支持而不是激励,通过监控和记录来鼓励反思。根据突出的问题,我们然后就未来工作可能最有益的方向提出建议。
2016-01-29 cs.CY cs.HC
Wearable Healthcare Devices for Monitoring Stress and Attention Level in Workplace Environments
本文综述并比较可在工作场所全天佩戴的非侵入式商用可穿戴设备及相关算法,以评估压力与注意力水平,并展望可靠检测的未来方向。
2024-06-18 cs.HC
MotionTeller: Multi-modal Integration of Wearable Time-Series with LLMs for Health and Behavioral Understanding
Dartmouth College(达特茅斯学院);Geisel School of Medicine, Dartmouth College(达特茅斯学院盖泽尔医学院)
MotionTeller通过整合可穿戴时间序列与大语言模型,实现高精度的自然语言行为摘要生成,提升健康和行为理解的效率与准确性。
2025-12-25 cs.AI cs.CL cs.HC
CosinorAge: Unified Python and Web Platform for Biological Age Estimation from Wearable- and Smartwatch-Based Activity Rhythms
本研究推出开源框架CosinorAge,可基于可穿戴设备的活动、睡眠等节律数据估算生物年龄,提供Python工具包与网页计算器,依托大规模数据集开放权重,推动可复现的个性化衰老健康监测。
2025-09-01 cs.HC
Energy Autonomous Wearable Sensors for Smart Healthcare: A Review
能量自主可穿戴传感器(EAWS)由于其提供可靠测量和连续生物电信号的潜力而引起了人们的极大兴趣,这有助于早期减少健康风险因素,持续评估疾病预防,并保持最佳的终身健康质量。本文介绍了最近的发展和国家的最先进的研究有关的三个关键要素,使EAWS。第一个元素是可穿戴传感器,它监测人体生理信号和活动。重点是解释不同类型的转导机制,新兴的材料和制造技术。第二个要素是灵活的可穿戴能量存储设备,用于驱动低功耗电子设备和自动检测不稳定生理参数所需的软件。第三个是灵活和可伸缩的能量收集模块,为可穿戴传感器的持续运行充电。最后,我们讨论了实现能源自主可穿戴传感技术的一些技术挑战以及克服这些挑战的可能解决方案。
2019-12-05 cs.HC eess.SP
Smart UX-design for Rescue Operations Wearable - A Knowledge Graph Informed Visualization Approach for Information Retrieval in Emergency Situations
Institute for Knowledge-Based Systems and Knowledge Management(知识系统与知识管理研究所);mbeder GmbH(mbeder有限公司);University of Siegen(锡根大学)
本文提出一种知识图谱驱动的智能UX设计方法,用于可穿戴设备在紧急情境下为医疗专业人员提供治疗建议,以改进急救救援作业。
2025-10-15 cs.HC
Visualization and Analysis of Wearable Health Data From COVID-19 Patients
Zurich University of Applied Sciences (ZHAW)(苏黎世应用科学大学);University Hospital Basel (USB)(巴塞尔大学医院)
对有效的可视化进行了评估,以揭示来自多传感器实时可穿戴设备的相关健康模式,这些设备记录了因COVID-19入院的患者的生命体征。此外,还描述了与可穿戴健康数据可视化相关的具体挑战,例如合规性问题导致的数据质量波动、为设备充电所需的时间以及技术问题。作为一个主要用例,我们研究了该技术获取的生命体征中可见的相关健康模式的检测和通信。使用定制热图和条形图专门突出生命体征中的医学相关模式。对两名医生、一名临床项目经理和七名健康数据科学研究人员进行了调查,以评估可视化方法。从84名住院COVID-19患者的数据集中,我们提取了一个典型的COVID-19患者病史,并基于可视化展示了两个值得注意的患者的健康史。可视化被证明是有效的,简单和直观的推断病人的健康状况。对于时间有限且负责众多患者的临床工作人员来说,此类可视化方法可以成为一种有效的工具,可以连续获取和远程监控患者的健康状况。
2022-01-19 cs.CV cs.HC
Research Focused Software Development Kits and Wearable Devices in Physical Activity Research
本研究利用软件开发工具包(ResearchKit、CareKit、HealthKit)和可穿戴设备改进体力活动研究方法,通过移动应用收集健康数据,为循证指南提供见解。
2023-05-12 cs.HC q-bio.QM
A State-of-the-Art Review of Computational Models for Analyzing Longitudinal Wearable Sensor Data in Healthcare
Concordia University(康考迪亚大学)
本文综述了面向医疗保健的纵向可穿戴传感器数据分析计算模型,重点讨论常规模式、节律和稳定性指标三类模型,分析多粒度时间动态处理挑战,并展望未来研究方向。
2026-11-06 cs.HC cs.LG
HiMe: Real-Time Self-Hosted Personal Agent Platform for Health Insights with Wearable Devices
King’s College London(伦敦国王学院);The Alan Turing Institute(艾伦·图灵研究所)
针对传统可穿戴健康信号分析的局限,HiMe提出本地可部署、隐私至上的代理平台,遵循数据库为一等组件等原则,能与多种可穿戴设备实时健康数据生态系统兼容,实现个人持续、个性化健康监测以提升幸福感。
2026-07-24 cs.AI cs.CL cs.HC
HealthSLM-Bench: Benchmarking Small Language Models for Mobile and Wearable Healthcare Monitoring
School of Computing and Information Systems, University of Melbourne, Australia(墨尔本大学计算机与信息系统学院);School of Computer Science, University of Auckland, New Zealand(奥克兰大学计算机科学学院)
本研究构建HealthSLM-Bench基准,评估小型语言模型(SLMs)在医疗预测任务的表现,发现SLMs性能接近大型语言模型且效率、隐私性更优,为隐私保护型医疗监护提供新方向。
2026-07-30 cs.AI cs.HC cs.LG
Continuous Behavioral Synthesis for Adaptive Health Dashboards: An LLM-Mediated Architecture Integrating Explicit Preference, Spatial Reorganization, and Attention Allocation Signals
University of Southern Denmark(南丹麦大学)
提出一种利用大语言模型作为行为合成引擎的架构,通过集成显式反馈、空间重组和注意力信号,实现从稀疏异构用户信号中即时生成自适应仪表盘布局。
2026-06-26 cs.HC
From Wearable Data to Personalized and Actionable Health Insights
Harvard University(哈佛大学);Princeton University(普林斯顿大学)
本研究提出结合用户标注与可穿戴数据的网络框架,通过可视化辅助压力管理,经四周试点证实社交互动、刻意休息、正念活动可显著改善压力相关生理指标。
2026-08-05 cs.AI cs.HC
A Review of Behavioral Closed-Loop Paradigm from Sensing to Intervention for Ingestion Health
本综述回顾136项研究,提出基于情境感知的摄入健康行为闭环范式,涵盖目标行为、感知、推理与干预四要素,并分析评估方法,为未来自适应干预提供设计见解。
2025-08-06 cs.HC
An Overview of Human Activity Recognition Using Wearable Sensors: Healthcare and Artificial Intelligence
University of California, Davis(加州大学戴维斯分校)
随着物联网(IoT)和人工智能(AI)技术的快速发展,人类活动识别(HAR)已经应用于各种领域,例如安全和监控、人机交互和娱乐。尽管已经发表了一些调查和综述论文,但缺乏关注使用可穿戴传感器的医疗保健应用的HAR概述论文。因此,我们通过提交这份概述文件来填补这一空白。特别是,我们提出了我们的项目,以说明系统设计的HAR应用程序的医疗保健。我们的项目包括重症监护病房(ICU)患者的人类活动早期移动识别和杜氏肌营养不良症(DMD)患者的步态分析。我们涵盖了设计HAR系统的基本组成部分,包括传感器因素(例如,类型、数量和放置位置),AI模型选择(例如,经典机器学习模型与深度学习模型)和特征工程。此外,我们还强调了此类面向医疗保健的HAR系统所面临的挑战,并为医学界和计算机科学界提出了几个研究机会。
2023-01-18 cs.HC cs.LG eess.SP
Opportunistic Multi-Modal User Authentication for Health-Tracking IoT Wearables
Fordham University(福特汉姆大学);Dartmouth College(达特茅斯学院)
随着技术的进步,市场上的可穿戴设备越来越受欢迎,提供一系列服务,包括访问银行账户、访问汽车、远程监控患者等。然而,这些可穿戴设备通常在没有认证或有限认证的情况下收集用户的各种敏感个人信息,例如,基于知识的外部身份验证技术,如PIN。虽然这些外部认证技术中的大多数都受到多重限制,包括召回负担、人为错误或偏见,但研究人员已经开始使用可穿戴设备收集的各种生理和行为数据,例如步态和心率,来隐式地认证可穿戴用户,由于可穿戴设备的感测和计算限制,准确性有限。在这项工作中,我们探讨了从血氧仪设备收集的血氧饱和度SpO2值的有用性,以区分用户与其他人。从25名受试者的队列中,我们发现92%的病例SpO2可以区分成对的用户。从详细的建模和性能分析中,我们观察到,虽然SpO2单独可以获得0.69的平均准确度和0.69的F1评分,但心率(HR)的加入可以将平均识别准确度提高15%,F1评分提高13%。这些结果表明,使用SpO2和其他生物识别技术为可穿戴设备开发隐式连续身份验证是有希望的。
2021-10-09 cs.HC cs.LG
Detecting Agitation Before Behavioral Escalation in Autistic Youth Through Multimodal Wearable Sensing
Vanderbilt University(范德堡大学);Vanderbilt University Medical Center(范德堡大学医学中心);North Carolina State University(北卡罗来纳州立大学)
本研究利用多模态可穿戴传感和基础模型迁移,在自闭症青少年中检测行为升级前的躁动,ROC AUC达0.724,证明个体化躁动可提前检测。
2026-09-28 cs.HC cs.LG
Wearable Health Monitoring System for Older Adults in a Smart Home Environment
University of Kentucky(肯塔基大学)
物联网的出现使互联和集成的智能健康监测系统的设计成为可能。这些智能健康监测系统可以在智能家居环境中实现,为老年人提供长期护理。在本文中,我们提出了一个可穿戴健康监测系统,适合老年人在智能家居环境中的设计。所提出的系统提供了在智能家居环境中监测个人的压力、血压和位置的解决方案。在这项工作中提出的压力检测模型使用嵌入在智能腕带中的皮肤电活动(EDA),光电容积脉搏波(PPG)和皮肤温度(ST)传感器来检测生理压力。压力检测模型使用从唾液皮质醇获得的压力标签进行训练和测试,唾液皮质醇是临床上建立的生理压力的生物标志物。一个基于语音的原型也实现了所提出的系统集成在智能家居环境中的可行性进行了分析,通过模拟数据采集和流的情况。我们还提出了一个血压估计模型,使用PPG信号和先进的回归技术与可穿戴健康监测系统中的压力检测模型集成。最后,一个语音辅助室内定位系统的设计提出了与智能家居环境内的建议系统集成。提出的可穿戴健康监测系统是实现具有广泛诊断能力的智能家居环境的一个重要方向,这样的系统可以用于在舒适的家中为老年人提供长期和个性化的护理。
2021-06-09 cs.CY cs.HC cs.LG
Understanding Trust Toward Human versus AI-generated Health Information through Behavioral and Physiological Sensing
University of Amsterdam(阿姆斯特丹大学);Aalto University(阿尔托大学);Yale University(耶鲁大学);Delft University of Technology(代尔夫特理工大学);Utrecht University(乌得勒支大学)
研究通过行为和生理传感分析人们对人类与AI生成健康信息的信任差异,发现透明标签影响信任水平,行为特征可辅助验证信任感知。
2025-12-13 cs.HC
AI Solutionism and Digital Self-Tracking with Wearables
该立场论文针对当前AI与LLM驱动的可穿戴自我追踪研究忽视自动化削弱用户自主性的问题,结合Oura Ring调研经验分析自动化后果并提出潜在补救方向。
2025-05-21 cs.HC
Efficient Personalized Learning for Wearable Health Applications using HyperDimensional Computing
University of California Irvine(加州大学欧文分校)
健康监测应用越来越依赖于机器学习技术来学习日常环境中的终端用户生理和行为模式。考虑到可穿戴设备在监测人体参数方面的重要作用,可以利用设备上学习来建立行为和生理模式的个性化模型,同时为用户提供数据隐私。然而,这些可穿戴设备中的大多数上的资源约束阻止了在它们上执行在线学习的能力。为了解决这个问题,需要从算法的角度重新思考机器学习模型,以适合在可穿戴设备上运行。超维计算(HDC)为资源受限的设备提供了非常适合的设备上学习解决方案,并为隐私保护个性化提供了支持。我们基于HDLC的方法提供了灵活性、高效率、弹性和性能,同时实现了设备上的个性化和隐私保护。我们使用三个案例研究来评估我们的方法的有效性,并表明与最先进的深度神经网络(DNN)算法相比,我们的系统将训练的能量效率提高了$45.8\times$,同时提供了相当的准确性。
2022-08-01 cs.AI cs.HC cs.LG
Privacy is All You Need: Revolutionizing Wearable Health Data with Advanced PETs
VIT-AP University(VIT-AP大学)
本文提出一种通过整合联邦学习、轻量加密和区块链技术的隐私增强框架,旨在降低可穿戴健康数据的隐私风险,提升用户对数据的控制权。
2025-12-03 cs.AI cs.CR cs.ET
Recent Advances in Wearable Sensors with Application in Rehabilitation Motion Analysis
世界老年人口的增加突出表明需要持续的保健测量,特别是在康复监测方面。这些新技术使人们能够在家中获得医疗服务,同时,运动分析方法被广泛用于人体活动监测作为远程医疗服务。可穿戴式传感器在便利性和技术性能方面都显示出有希望的结果。这些传感器被广泛用于人体运动分析和无线通信的进步,大力促进了这一领域。利用无线技术和可穿戴传感器有助于在紧急情况下提供更有效的帮助,并显着缩短了住院时间。本文综述了用于运动分析的可穿戴传感器的最新进展,特别是在康复领域。首先介绍了常见的可穿戴传感器技术,然后重点介绍了碳纳米管(CNT)可穿戴传感器。下一节是专门的传感器融合的可能性和新技术的集成性能进行审查。这项技术已被广泛利用,以带来临床结果的确定性。最后,讨论了运动分析传感器的挑战和未来的可能性。
2020-10-17 cs.HC cs.SY eess.SY
Person Re-identification Attack on Wearable Sensing
根据健康保险可携带性和责任法案(HIPAA)隐私规则,人员重新识别是公共共享医疗保健数据中的关键隐私攻击。在本文中,我们研究了一种新型的隐私攻击的可能性,个人重新识别攻击(PRI-attack)公开共享的隐私不敏感的可穿戴数据。我们调查用户的特定的生物特征签名方面的两个上下文的生物特征,生理(photoplethysmography和皮肤电活动)和物理(加速度计)的背景。在这方面,我们开发了一个多模态连体卷积神经网络(mmSNN)模型。该框架单独学习空间和时间信息,并将它们组合在一起,以预测一个人的身份为目标的修改后的加权成本。我们使用来自3个收集的数据集和一个公开数据集的实时收集数据来评估我们提出的模型。我们提出的框架表明,基于PPG的呼吸率和心率结合手势上下文可以被攻击者用来重新识别用户的身份(最大。71%)来自符合HIPAA的可穿戴数据。鉴于公共放置的摄像头可以远程估计心率和呼吸率以及手势,使用它们进行人员重新识别对未来的HIPAA兼容服务器构成了重大威胁,该服务器需要更好的加密方法来存储可穿戴医疗保健数据。
2021-06-22 cs.CR cs.HC
Scalable Mining of Daily Behavioral Patterns in Context Sensing Life-Log Data
尽管可穿戴设备的出现和智能手机的激增,仍然没有理想的平台可以持续感知和精确收集所有可用的上下文信息。理想情况下,移动传感数据汇集方法应处理源自软件和硬件限制的不确定性和数据丢失。我们已经从35个用户进行了生活日志数据汇集实验,并创建了一个丰富的数据集(926万条记录),以代表移动传感系统的真实部署问题。我们创建了一套新的算法来识别人类行为的图案,同时考虑收集的数据对象的不确定性。我们的工作受益于设备上可用的传感器的组合,并识别具有类似于人类时间感知的时间粒度的行为模式。采用传感器的组合而不是只关注一个传感器可以通过忽略不可用的传感器数据并专注于可用数据来处理不确定性。此外,通过在两个真实的大型数据集上进行实验,我们证明了使用滑动窗口可以显着提高算法的可扩展性,这些算法可以用于智能手机和可穿戴设备等小型设备的应用程序。
2015-03-16 cs.CY cs.HC
Human Stress Assessment: A Comprehensive Review of Methods Using Wearable Sensors and Non-wearable Techniques
Fatima Jinnah Women University(法蒂玛·真纳女子大学);University of Engineering and Technology, Taxila(塔克西拉工程技术大学);Bahria University(巴哈里亚大学);Children’s National Hospital(国家儿童医院);George Washington University(乔治华盛顿大学);Electronics and Telecommunications Research Institute (ETRI)(电子与电信研究所(ETRI))
本文全面综述基于问卷、可穿戴与非可穿戴传感器的主观及客观压力检测方法,并探讨人工智能如何融合多源生理与行为数据以提升压力识别效果。
2023-06-07 cs.AI cs.HC
TILES-2018, a longitudinal physiologic and behavioral data set of hospital workers
我们提出了一种新的纵向多模态语料库的生理和行为数据收集从直接临床供应商在医院工作场所。我们设计了这项研究,以调查使用现成的可穿戴和环境传感器,以了解个人特定的结构,如工作绩效,人际互动,以及医院工作人员在自然的日常工作环境中的幸福感。我们通过物联网蓝牙数据中心、可穿戴传感器(包括腕带、生物识别跟踪服装、智能手机和音频功能记录器)收集了$n = 212$参与者的行为和生理数据,并进行了一系列调查,以评估人格特征、行为状态、工作表现和长期幸福感。除了默认使用的数据集,我们设想了几个新的研究机会和潜在的应用,包括多模式和多任务的行为建模,通过生物识别技术进行身份验证,以及隐私感知和隐私保护机器学习。
2020-12-18 cs.CY cs.HC eess.SP
A Foundation Model for Wearable Movement Data in Mental Health Research
Dartmouth College(达特茅斯学院);National Institute of Diabetes and Digestive and Kidney Diseases(国家糖尿病、消化系统疾病和肾病研究所);National Institutes of Health(美国国立卫生研究院);Department of Computer Science at Dartmouth College(达特茅斯学院计算机科学系)
提出预训练体动记录Transformer(PAT),一种基于自监督掩码自编码器预训练的可穿戴运动时间序列基础模型,在心理健康预测任务上优于非基础模型方法,并提供可解释的注意力图。
2026-05-30 cs.AI cs.HC cs.LG
Leveraging Smartphone Sensors for Detecting Abnormal Gait for Smart Wearable Mobile Technologies
Daffodil International University(达法迪尔国际大学);University of Calgary(卡尔加里大学)
步行是人类最常见的陆地运动方式之一。步行是人类进行大多数日常活动所必需的。当一个人走路时,有一种模式,它被称为步态。步态分析用于体育和医疗保健。我们可以用不同的方式分析这种步态,比如使用监控摄像头或实验室环境中的深度图像摄像头捕捉的视频。它也可以被可穿戴传感器识别。例如,在一个实施例中,加速度计、力传感器、陀螺仪、柔性测角仪、磁阻传感器、电磁跟踪系统、力传感器和肌电图(EMG)。通过这些传感器进行分析需要实验室条件,或者用户必须佩戴这些传感器。为了检测人类步态动作的异常,我们需要单独地结合传感器。我们可以通过检测到异常的人体步态来了解一个人的健康状况。了解正常步态与异常步态可以通过智能穿戴技术来了解受试者的健康状况。因此,在本文中,我们提出了一种通过智能手机传感器来分析异常人体步态的方法。虽然智能手机和智能手表等智能设备现在被大多数人使用。所以,我们可以通过这些智能穿戴设备的传感器来追踪他们的步态。
2022-08-03 cs.CV cs.HC cs.LG
Filipino Students' Willingness to Use AI for Mental Health Support: A Path Analysis of Behavioral, Emotional, and Contextual Factors
Pampanga State University(邦板牙州立大学)
研究探讨了行为、情感和情境因素如何影响菲律宾学生使用AI进行心理健康支持的意愿,发现习惯对意愿影响最大,后续为舒适度、情感益处等因素,强调情感安全与常规使用对提升意愿的重要性。
2026-03-30 cs.CY cs.HC
Development of a Validation and Inspection Tool for Armband-based Lifelog Data (VITAL) to Facilitate the Clinical Use of Wearable Data: A Prototype and Usability Evaluation
本研究开发了VITAL工具,用于整合、可视化和质量管理可穿戴健康数据,并通过临床医生评估验证其可用性,结果显示高满意度,表明其在临床应用中具有潜力。
2025-01-23 cs.HC cs.SY eess.SY
Preliminary Study of the Impact of AI-Based Interventions on Health and Behavioral Outcomes in Maternal Health Programs
Google Research India(谷歌研究院印度分部);Harvard University(哈佛大学);ARMMAN;Carnegie Mellon University(卡内基梅隆大学)
本研究初步探讨基于人工智能的干预调度对孕产妇健康项目的影响,发现其通过提升自动语音电话收听率,增强产后母亲对孕期和婴儿期关键健康问题的理解,有望改善母婴健康结果。
2024-05-23 cs.AI cs.CY cs.HC
Optimizing Energy Efficiency of Wearable Sensors Using Fog-assisted Control
物联网(IoT)技术的最新进展使可穿戴设备能够用于远程患者监护。可穿戴传感器可捕捉患者的生命体征,并根据收集的数据提供警报或诊断。不幸的是,可穿戴设备通常具有有限的能量和计算能力,使得它们的使用对于医疗保健应用具有挑战性,其中监测必须长时间不间断地持续,而无需充电或更换电池。雾计算可以通过将计算密集型任务从传感器层卸载到更高的层来缓解这个问题,从而不仅满足传感器有限的计算能力,而且还能够使用本地闭环能量优化算法来增加电池寿命。
2019-07-27 cs.HC eess.SP
Enhancing EHR Systems with data from wearables: An end-to-end Solution for monitoring post-Surgical Symptoms in older adults
本文提出 ROAMM-EHR 端到端 mHealth 平台,将智能手表实时传感器数据与 PROs 接入 Epic EHR,以支持老年人术后症状监测。
2024-10-28 cs.HC q-bio.QM
IoT-based Wearables: A comprehensive Survey
本文综述基于 IoT 的可穿戴设备,梳理其传感器、通信技术与数据处理方法,总结应用场景、采用挑战及未来研究方向。
2023-04-12 cs.CY cs.HC
A Deep Learning based Wearable Healthcare IoT Device for AI-enabled Hearing Assistance Automation
Northumbria University(诺森比亚大学);Lancaster University(兰卡斯特大学);Cardiff University(卡迪夫大学)
随着最近人工智能(AI)的蓬勃发展,特别是深度学习技术,数字医疗保健是可以从AI功能中获益的流行领域之一。这项研究提出了一种新的支持AI的物联网(IoT)设备,该设备在ESP-8266平台上运行,能够帮助听力受损或耳聋的人在对话中与他人交流。在所提出的解决方案中,创建了一个服务器应用程序,该应用程序利用Google的在线语音识别服务将接收到的对话转换为文本,然后部署到连接到眼镜的微型显示器上,向聋人显示对话内容,以实现并帮助与普通人群进行正常对话。此外,为了提高交通或危险场景的警报,使用具有迁移学习的深度学习模型Inception-v4开发了“城市紧急情况”分类器,以检测/识别警报/报警声音,例如喇叭声或火警,并生成文本以提醒预期用户。Inception-v4的培训是在消费者台式PC上进行的,然后实施到基于AI的物联网应用程序中。实验结果表明,所开发的原型系统达到了92%的准确率与实时性能的声音识别和分类。
2020-05-16 cs.CV cs.CY cs.HC
NeuroPriv: Adversarial Representation Learning for Privacy in Wearable EEG Systems
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
该研究针对可穿戴EEG系统的神经隐私风险,以EEGMAT为案例,提出隐私感知表示学习方法,在维持认知任务性能的同时降低了敏感属性的推理准确率。
2026-09-02 cs.CR cs.HC cs.LG
Extracting Digital Biomarkers for Unobtrusive Stress State Screening from Multimodal Wearable Data
Boğaziçi University(博阿齐奇大学)
随着可穿戴技术的发展,一种新的医疗数据已经成为有价值的医疗信息。这些数据提供了有关个人生理和心理状态的有意义的信息,例如活动水平,情绪,压力和认知健康。这些生物标志物被命名为数字,因为它们是从集成了各种传感器的数字设备中收集的。在这项研究中,我们通过检查从手机和智能手表收集的数据来探索与压力模式相关的数字生物标志物。我们在Tesserae数据集上利用机器学习技术,准确地说是随机森林,来提取压力生物标志物。使用特征选择技术,我们利用可穿戴设备的天气、活动、心率(HR)、压力、睡眠和位置(工作-家庭)测量来确定最重要的压力相关生物标志物。我们相信,我们有助于解释来自不同设备的具有广泛特征的压力生物标志物。此外,我们分类的$5$不同的压力水平与最重要的功能,我们的研究结果表明,我们可以实现$85\%$整体类的准确性,通过调整类的不平衡,并增加额外的功能与个性特征。与相关研究相比,我们在日常生活场景中使用数字生物标志物识别压力状态的结果相似甚至更好,目标是更多的类别。
2023-03-08 cs.HC cs.LG eess.SP
CovidRhythm: A Deep Learning Model for Passive Prediction of Covid-19 using Biobehavioral Rhythms Derived from Wearable Physiological Data
Worcester Polytechnic Institute(伍斯特理工学院)
研究深度学习模型是否可以从SARS-CoV-2病毒引起的人体生理(心率)和静息活动节律(节律失调)的破坏中检测出Covid-19。我们提出了CovidRhythm,这是一种新型的具有多头自我注意力(MHSA)的门控递归单元(GRU)网络,它结合了从使用消费级智能可穿戴设备被动收集的心率和活动(步数)数据中提取的传感器和节奏特征,以预测Covid-19。从可穿戴传感器数据中提取了总共39个特征(标准差、平均值、久坐和活动发作的最小/最大/平均长度)。使用9个参数(mesor,振幅,acrophase,和每日内的变化)的生物行为节律进行建模。然后将这些特征输入CovidRhythm,用于预测处于潜伏期(生物症状出现前一天)的Covid-19。传感器和生物行为节律特征的组合实现了0.79的最高AUC-ROC [灵敏度= 0.69,特异性=0.89,F $_{0.1}$ = 0.76],在使用24小时历史可穿戴生理学来区分Covid阳性患者与健康对照方面优于先前的方法。当单独使用或与探头功能结合使用时,节律功能最能预测Covid-19感染。传感器特征最能预测健康受试者。结合24小时活动和睡眠信息的昼夜休息-活动节律被破坏得最厉害。CovidRhythm证明,来自消费级可穿戴数据的生物行为节律可以促进及时的Covid-19检测。据我们所知,我们的工作是第一个使用深度学习和来自消费级可穿戴数据…
2023-01-12 cs.HC cs.LG eess.SP