Πλοήγηση ανά Συγγραφέας "Vavoulas, Georgios"

Τώρα δείχνει 1 - 1 of 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Εφαρμογή ηλεκτρονικής υγείας για την παρακολούθηση ασθενών με τη χρήση έξυπνων κινητών.
    (Τ.Ε.Ι. Κρήτης, Τεχνολογικών Εφαρμογών (Σ.Τ.Εφ), Τμήμα Μηχανικών Πληροφορικής Τ.Ε., 2014-09-07T12:18:34Z) Βάβουλας, Γεώργιος; Vavoulas, Georgios
    Σήμερα η αναγνώριση των ανθρώπινων δραστηριοτήτων της καθημερινότητας είναι ένα σημαντικό ερευνητικό θέμα. Αξιοποιείται ευρέως και εφαρμόζεται σε πολλούς τομείς στην πραγματική ζωή. Η έρευνα εστιάζει κυρίως στην ακριβή αναγνώριση και ταξινόμηση των Δραστηριοτήτων της Καθημερινής Ζωής (Activities of Daily Living - ADLs), που είναι χρήσιμα για την ανάπτυξη έξυπνων εφαρμογών και υπηρεσιών ηλεκτρονικής υγείας Παράλληλα, οι πτώσεις στους ηλικιωμένους είναι ένα σημαντικό πρόβλημα για την κοινωνία. Περίπου ένας στους τρείς ηλικιωμένους από 65 ετών και άνω πέφτουν κάθε χρόνο με αποτέλεσμα τις σωματικές και ψυχολογικές βλάβες. Επίσης οι οικονομικές συνέπειες των πτώσεων είναι σημαντικές. Σύμφωνα με τον Παγκόσμιο οργανισμό υγείας το έτος 2030 η εκτίμηση των τραυματισμών που σχετίζονται με πτώσεις θα αυξηθεί κατά 100%. Η ικανότητα να ξεχωρίσουμε τις καθημερινές δραστηριότητες από τις πτώσεις είναι ένα σημαντικό πρόβλημα. Οι στόχοι αυτής της πτυχιακής είναι δύο. Ο πρώτος είναι να παράξει ένα ολοκληρωμένο σύνολο δεδομένων που αποτελείται από προσομοιωμένες καθημερινές δραστηριότητες και πτώσεις χρησιμοποιώντας νεαρούς εθελοντές με την χρήση μίας εφαρμογής για έξυπνα κινητά τηλέφωνα και τον λεπτομερή σχολιασμό του συνόλου αυτού των δεδομένων. Το σύνολο δεδομένων περιλαμβάνει σήματα που καταγράφονται από τους αισθητήρες του επιταχυνσιόμετρου και γυροσκοπίου ενός έξυπνου κινητού τελευταίας τεχνολογίας για τέσσερις διαφορετικούς τύπους πτώσεων και εννέα διαφορετικές δραστηριότητες της καθημερινής ζωής. Κατά τη διάρκεια της πτυχιακής εργασίας αναπτύχθηκε μία εφαρμογή σε λειτουργικό σύστημα Android. Με την χρήση αυτής της εφαρμογής καταγράφτηκαν σε αρχεία, δεδομένα από τους αισθητήρες ενός έξυπνου κινητού τηλεφώνου. Οι αισθητήρες που χρησιμοποιήθηκαν είναι το επιταχυνσιόμετρο, το γυροσκόπιο και ο αισθητήρας προσανατολισμού. Ο δεύτερος στόχος μας ήταν να εκμεταλλευτούμε αυτό το σύνολο δεδομένων για τη συγκριτική αξιολόγηση των επιδόσεων τριών γνωστών αλγορίθμων ανίχνευσης πτώσεων που έχουν προηγουμένως χρησιμοποιηθεί σε εφαρμογές έξυπνων κινητών. Σε δεύτερη φάση χρησιμοποιήθηκαν τεχνικές μηχανικής μάθησης για την ανίχνευση πτώσης αλλά και της κατηγοριοποίησης της πτώσης. Τα αποτελέσματα αυτής της αξιολόγησης, χρησιμοποιώντας το προαναφερθέν σύνολο δεδομένων, παρουσιάζονται και συζητούνται λεπτομερώς.