机构名称：
¥ 2.0
摘要：COVID-19 后的社会经济原因要求进行无人监督的家庭康复，特别是需要个性化的人工智能来支持参与和激励。人工智能还必须符合问责制、责任制和透明度 (ART) 要求，以获得更广泛的接受。本文介绍了一种以患者为中心的个性化家庭康复支持系统。为此，计时起立行走 (TUG) 和五次坐立 (FTSTS) 测试评估了在存在或发展合并症的情况下的日常生活活动表现。我们提出了一种生成合成数据集的方法，以补充实验观察并减轻偏见。我们提出了一种增量混合机器学习算法，该算法结合了集成学习和混合堆叠，使用极端梯度提升决策树和 k-最近邻来满足个性化、可解释性和 ART 设计要求，同时保持较低的计算占用空间。该模型在预测相关患者医疗状况时，FTSTS 和 TUG 的准确率高达 100%，在预测测试部分中的困难区域时，准确率分别达到 100% 或 83.13%。与以前使用摄像头等侵入式监控手段的方法相比，我们的结果显示，FTSTS 和 TUG 测试分别提高了 5% 和 15%。
用于家庭康复的个性化负责任人工智能
主要关键词
相关文件推荐
