基于多模态健康行为-环境特征融合的老年人健康风险预测模型研究.docxVIP

摘要

PAGE1

基于多模态健康行为-环境特征融合的老年人健康风险预测模型研究

摘要

随着人口老龄化程度不断加深，老年人居家健康监测与风险预警成为智慧养老领域的重要研究方向。传统健康管理方式多依赖定期体检、人工护理或单一传感器监测，难以及时反映老年人在日常生活场景中的行为变化、跌倒风险和潜在健康风险。针对单一模态数据表达能力有限、健康风险识别稳定性不足等问题，本文围绕老年人健康行为和居家安全场景，研究并实现了一种基于可穿戴传感器数据与图像行为数据的多模态健康风险预测模型。

本文选取GOTOV数据集中的多部位可穿戴传感器数据作为行为模态，使用踝部、腕部和胸部三处9轴加速度时序特征构建健康风险分级任务；同时选取URFall数据集中的RGB图像数据作为视觉模态，构建跌倒/正常行为二分类任务。在传感器模态中，本文依据老年人活动强度和健康风险语义，将原始活动标签映射为4级健康风险标签，并设计基于TransformerEncoder的时序分类模型，对长度为50的滑动窗口进行风险预测。在图像模态中，本文采用迁移学习思想，基于ResNet18构建跌倒检测模型。最后，本文实现了一个决策级多模态融合原型系统，支持传感器单模态预测、图像单模态预测以及双模态加权融合预测。

实验结果表明，基于Transformer的GOTOV传感器风险分类模型在测试集