CHS: Medium: Behavior360: Learning a Human Behaviorome in Uncontrolled Settings

CHS：媒介：Behavior360：在不受控制的环境中学习人类行为组

基本信息

批准号：
1954372
负责人：
Diane Cook
金额：
$ 115.5万
依托单位：
Washington State University
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2020
资助国家：
美国
起止时间：
2020-09-01 至 2025-08-31
项目状态：
未结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=1954372&HistoricalAwards=false
关键词：
CHS Medium Behavior360 Learning Human

项目摘要

With the maturing of mobile sensing, computing, and machine learning, scientists can now build intelligent tools to better understand human behavior by analyzing data from commercial, wearable sensors (such as smartwatches). The goal of this project is to design, build, and evaluate novel algorithms that continuously sense, model, analyze, and interpret human behavior from smartwatch sensor data collected continuously in the wild. Machine learning methods will be designed to infer behavior patterns from collected data as well as generate explanations of behavior patterns that can be easily interpreted by humans with diverse backgrounds. The computational methods will be evaluated using historical data as well as new data collected in free-living environments. The relationship between health and behavior will be explored by using machine learning to derive clinical health scores from collected and modeled sensor data. The research will involve students from diverse disciplinary and demographic backgrounds through involvement in summer research programs and capstone projects.The technical goals of this project are divided into three aims. First, because continuous behavior sensing requires resources that exceed the power capacity of current smartwatches, the investigators will design algorithms that optimize the trade-off between predictive performance and power consumption. Second, the investigators will create robust behavior models that combine sparse label information with sensor data to automatically construct a vocabulary of human behavior, and employ domain adaptation to generalize models across people, times, and behavior types. Third, the investigators will create machine learning methods to produce accurate and interpretable clinical health scores from behavior data with automatically-generated text explanations.This award reflects NSF's statutory mission and has been deemed worthy of support through evaluation using the Foundation's intellectual merit and broader impacts review criteria.

随着移动传感，计算和机器学习的成熟，科学家现在可以通过分析商用，可穿戴传感器（例如智能手表）的数据来更好地理解人类行为。该项目的目的是设计，构建和评估新颖的算法，这些算法不断地感知，模型，分析和解释从野外连续收集的智能手表传感器数据中的人类行为。机器学习方法将被设计为从收集的数据中推断出行为模式，并生成对行为模式的解释，这些模式很容易被具有不同背景的人类解释。将使用历史数据以及在自由生活环境中收集的新数据来评估计算方法。通过使用机器学习来从收集和建模的传感器数据中得出临床健康评分，将探索健康与行为之间的关系。这项研究将通过参与夏季研究计划和顶峰项目的参与来涉及来自不同学科和人口背景的学生。该项目的技术目标分为三个目标。首先，由于持续的行为感应需要超过当前智能手表的功率能力的资源，因此研究人员将设计算法，以优化预测性能和功耗之间的权衡。其次，研究人员将创建强大的行为模型，将稀疏标签信息与传感器数据相结合，以自动构建人类行为的词汇，并采用域适应来概括跨人员，时间和行为类型的模型。第三，研究人员将创建机器学习方法，从具有自动生成的文本说明的行为数据中产生准确且可解释的临床健康评分。该奖项反映了NSF的法定任务，并被认为值得通过基金会的知识分子优点和更广泛的影响来通过评估来获得支持。

项目成果

期刊论文数量（13）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Multimodal Time-Series Activity Forecasting for Adaptive Lifestyle Intervention Design

用于适应性生活方式干预设计的多模式时间序列活动预测

DOI：
10.1109/bsn56160.2022.9928521
发表时间：
2022
期刊：
2022 IEEE-EMBS International Conference on Wearable and Implantable Body Sensor Networks (BSN
影响因子：
0
作者：
Mamun, Abdullah;Leonard, Krista S.;Buman, Matthew P.;Ghasemzadeh, Hassan
通讯作者：
Ghasemzadeh, Hassan

On-Device Machine Learning for Diagnosis of Parkinson’s Disease from Hand Drawn Artifacts

设备上机器学习通过手绘工件诊断帕金森病

DOI：
10.1109/bsn56160.2022.9928465
发表时间：
2022
期刊：
IEEE International Conference on Wearable and Implantable Body Sensor Networks (BSN’22
影响因子：
0
作者：
Venkata, Sai Vaibhav;Sabat, Shubhankar;Deshpande, Chinmay Anand;Arefeen, Asiful;Peterson, Daniel;Ghasemzadeh, Hassan
通讯作者：
Ghasemzadeh, Hassan

Probabilistic Cascading Classifier for Energy-Efficient Activity Monitoring in Wearables

DOI：
10.1109/jsen.2022.3175881
发表时间：
2022-07
期刊：
IEEE Sensors Journal
影响因子：
4.3
作者：
Mahdi Pedram;Ramesh Kumar Sah;Seyed Ali Rokni;Marjan Nourollahi;H. Ghasemzadeh
通讯作者：
Mahdi Pedram;Ramesh Kumar Sah;Seyed Ali Rokni;Marjan Nourollahi;H. Ghasemzadeh

BraIN: A Bidirectional Generative Adversarial Networks for image captions

DOI：
10.1145/3446132.3446406
发表时间：
2020-12
期刊：
Proceedings of the 2020 3rd International Conference on Algorithms, Computing and Artificial Intelligence
影响因子：
0
作者：
Yuhui Wang;D. Cook
通讯作者：
Yuhui Wang;D. Cook

Fusing Ambient and Mobile Sensor Features Into a Behaviorome for Predicting Clinical Health Scores.

DOI：
10.1109/access.2021.3076362
发表时间：
2021
期刊：
IEEE access : practical innovations, open solutions
影响因子：
0
作者：
Cook DJ;Schmitter-Edgecombe M
通讯作者：
Schmitter-Edgecombe M

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Diane Cook其他文献

The remote monitoring of gastrointestinal cancer patients’ performance status and burden of symptoms via a consumer-based activity tracker: qualitative focus group study (Preprint)

通过基于消费者的活动跟踪器远程监测胃肠癌患者的表现状态和症状负担：定性焦点小组研究（预印本）

DOI：
发表时间：
2020
期刊：
影响因子：
0
作者：
A. Ghods;A. Shahrokni;Hassan Ghasemzadeh;Diane Cook
通讯作者：
Diane Cook

The Influence of Social Factors on Common Mental Disorders

社会因素对常见精神疾病的影响

DOI：
10.1192/bjp.156.5.704
发表时间：
1990
期刊：
British Journal of Psychiatry
影响因子：
10.5
作者：
D. Goldberg;K. Bridges;Diane Cook;Barbara Evans;D. Grayson
通讯作者：
D. Grayson

Continuous Assessment of Daytime Heart Rate Response During Inpatient Rehabilitation

DOI：
10.1016/j.apmr.2017.09.092
发表时间：
2017-12-01
期刊：
Conference abstract
影响因子：
作者：
Douglas Weeks;Gina Sprint;Alyssa La Fleur;Jordana Dahmen;Virgeen Stilwill;Amy Lou Meisen-Vehrs;Diane Cook
通讯作者：
Diane Cook