Fusing Ambient and Mobile Sensor Features Into a Behaviorome for Predicting Clinical Health Scores.
Fusing Ambient and Mobile Sensor Features Into a Behaviorome for Predicting Clinical Health Scores.
复制标题
DOI：
10.1109/access.2021.3076362
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Schmitter-Edgecombe M
中科院分区：
文献类型：
--
作者：
Cook DJ;Schmitter-Edgecombe M
机器学习和低成本、无处不在的传感器的进步为理解行为与健康之间的预测关系提供了一种实用的方法。在这项研究中，我们通过融合从环境传感器和可穿戴传感器收集的数据来构建行为组或一组数字行为标记来分析这种关系。然后，我们根据从智能家居和智能手表收集的连续数据，并自动标记相应的活动和位置类型，使用行为组来预测 n = 21 名参与者样本的临床评分。为了进一步研究领域之间的关系，包括参与者人口统计、自我报告和基于外部观察的健康评分以及行为标记，我们提出了一种联合推理技术，可以提高这些类型的高维空间的预测性能。对于我们的参与者样本，我们观察到临床评分从小到大的相关性。我们还观察到，当使用多种传感器模式和采用联合推理时，预测性能有所提高。
Advances in machine learning and low-cost, ubiquitous sensors offer a practical method for understanding the predictive relationship between behavior and health. In this study, we analyze this relationship by building a behaviorome, or set of digital behavior markers, from a fusion of data collected from ambient and wearable sensors. We then use the behaviorome to predict clinical scores for a sample of n = 21 participants based on continuous data collected from smart homes and smartwatches and automatically labeled with corresponding activity and location types. To further investigate the relationship between domains, including participant demographics, self-report and external observation-based health scores, and behavior markers, we propose a joint inference technique that improves predictive performance for these types of high-dimensional spaces. For our participant sample, we observe correlations ranging from small to large for the clinical scores. We also observe an improvement in predictive performance when multiple sensor modalities are used and when joint inference is employed.
登录
查看更多内容
影响因子：
7.7
作者：
Dawadi PN;Cook DJ;Schmitter-Edgecombe M
通讯作者：
Schmitter-Edgecombe M
影响因子：
4.6
作者：
Akl, Ahmad;Taati, Babak;Mihailidis, Alex
通讯作者：
Mihailidis, Alex
影响因子：
3.9
作者：
Culman, Cristian;Aminikhanghahi, Samaneh;Cook, Diane J.
通讯作者：
Cook, Diane J.
影响因子：
7.9
作者：
Bharti, Pratool;De, Debraj;Das, Sajal K.
通讯作者：
Das, Sajal K.
影响因子：
1.9
作者：
Gerstorf, Denis;Siedlecki, Karen L.;Salthouse, Timothy A.
通讯作者：
Salthouse, Timothy A.