研究人員開發了一種生成培訓模型來預測跌倒

在研究中 出版 在雜誌中 信息研究系統Shuo Yu和他的來自德克薩斯大學的同事和他的員工開發了一種生成機器學習的模型，以發現秋天的不穩定。希望該模型可以作為秋季檢測設備（例如安全氣囊或預防枕頭或警告系統）的一部分，以最大程度地減少傷害，提高緊急響應的有效性並減少醫療費用。

“您可以將其視為一種AI（人工智能），”商學院信息系統和定量科學領域的信息系統教授Yu說。 “他發現您的運動狀況，並預測是否會跌倒。這可以幫助自動減輕傷害。”

為了創建一個模型，YU及其員工在兩個可公開的數據集中工作，這些數據集使用可穿戴日期來監視近2000次跌倒。他們梳理數據集並標記了個體數據點。然後，他們將這些點分為碎片，並確定跌倒的三個隱藏狀態：崩潰，影響和無所作為。

考慮電梯。站在電梯車上的人處於正常狀態。按下按鈕，門關閉。隨著電梯的突然加速，發生了輕微的體重減輕。這種直接的感覺是旅行中的毫秒，是崩潰的階段。

體重減輕發生在秋天，這是Yu和他的團隊集中註意力的地方。

“這些毫秒很重要，” Yu。 “您需要時間進行處理和充氣安全氣囊或激活其他防護設備的時間。當您試圖改善此過程時，所有這些毫秒都很重要。”

Yu及其員工沒有根據基於規則的簡單模型監視大量的過去研究，而是創建了一個新模型，其中包括Markov的隱藏模型，該模型具有生成的對手網絡（HMM-GAN）。

HMM是一個統計模型，用於了解序列隨著時間的流逝，由兩種類型的變量組成：觀測和隱藏狀態。在這種情況下，運動數據被用來指示觀察和隱藏條件。

GAN是一個由兩個部分組成的機器學習模型：試圖創建逼真的假數據的生成器，以及試圖說出真實數據和偽造數據之間差異的歧視器。

在總體中，HMM-GAN致力於了解數據片段形式的下降，即使動作和階段因人而異。當某人可以根據最近的運動模型而跌倒時，它也試圖預測它。

在四個實驗中，HMM-GAN模型肯定會預測跌倒，並且在先前的框架之前進行了更快的速度。

對於老年人及其家人，這種新模式可以確保心理平靜的增長，因為它知道可以更快地部署秋天的檢測設備。研究人員指出，醫院或其他患者下降的機構也將從這種新模式中受益。

研究人員進行了一項簡單的主題研究，以了解他們的模型如何有可能減少老年人的災難性跌倒以及任何隨後的醫療費用。與競爭模型相比，結果是超過3300萬美元的經濟利益。

“當我看到這些結果時，我感到非常高興，” Yu。 “這仍然是該概念的證據，但是如果這項工作可以導致工程部門或相關領域的未來研究，並且可以變成真實的產品，那就更好了。”

Yu還希望他的工作能夠減少AI周圍的一些焦慮。

他說：“我認為這是健康的未來。” “我們的生活中已經有AI組件，例如Chatgpt。我相信將來，這種設備會以物理方式出現並改善生活。”