CN113795808A - 用于预测性环境跌倒风险标识的系统及方法 - Google Patents

用于预测性环境跌倒风险标识的系统及方法 Download PDF

Info

Publication number
CN113795808A
CN113795808A CN202080033811.5A CN202080033811A CN113795808A CN 113795808 A CN113795808 A CN 113795808A CN 202080033811 A CN202080033811 A CN 202080033811A CN 113795808 A CN113795808 A CN 113795808A
Authority
CN
China
Prior art keywords
user
sensor
risk
environmental map
training
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080033811.5A
Other languages
English (en)
Inventor
J·R·赖特
H·S·里奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electronic Care Co
Electronic Caregiver Inc
Original Assignee
Electronic Care Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electronic Care Co filed Critical Electronic Care Co
Publication of CN113795808A publication Critical patent/CN113795808A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/0423—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting deviation from an expected pattern of behaviour or schedule
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Emergency Management (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pathology (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Alarm Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

在各种示范性实施例中，方法包括：(a)接收环境地图的动态观察；(b)确定所述环境地图；(c)收集一组风险因素；(d)评估所述一组风险因素；(e)创建包括所述所收集一组风险因素的第一训练集；(f)使用所述第一训练集在第一阶段中训练人工神经网络；(g)创建第二训练集；(h)使用所述第二训练集在第二阶段中训练所述人工神经网络；(i)使用所述人工神经网络预测用户的跌倒风险；及(j)向所述用户发送警报。

Description

用于预测性环境跌倒风险标识的系统及方法
相关申请案的交叉参考
本申请案主张2019年5月7日申请的标题为“用于预测性环境跌倒风险标识的系统及方法(Systems and Methods for Predictive Environmental Fall RiskIdentification)”的第62/844，661号美国临时申请案的优先权权益，所述申请案的全部内容特此以引用的方式并入本文中。
技术领域
本技术涉及用于预测性环境跌倒风险标识的系统及方法。
发明内容
在一些实施例中，本公开涉及一或多个计算机的系统，其可经配置以凭借使软件、固件、硬件或其组合安装在所述系统上来执行特定操作或行动，所述软件、固件、硬件或其组合在操作中致使所述系统执行如本文描述的行动及/或方法步骤。
在各种实施例中，本技术是用于针对用户的预测性环境跌倒风险标识的方法。在一些实施例中，所述方法包括：(a)使用传感器接收环境地图的动态观察；(b)确定所述环境地图；(c)使用所述传感器收集针对所述环境地图的一组风险因素；(d)为所述用户评估针对所述环境地图的所述一组风险因素；(e)创建包括所述所收集一组风险因素的第一训练集；(f)使用所述第一训练集在第一阶段中训练人工神经网络；(g)创建用于第二阶段训练的第二训练集，其包括所述第一训练集及所述环境地图的所述动态观察；(h)使用所述第二训练集在所述第二阶段中训练所述人工神经网络；(i)使用所述人工神经网络预测所述用户的跌倒风险；及(j)基于所述环境地图的所述动态观察及所述用户的所述跌倒风险向所述用户发送警报。
在各种示范性实施例中，所述传感器包含(但不限于)视觉传感器。在一些实施例中，所述传感器包含射频(RF)传感器、光检测及测距传感器(“LiDAR”)、音频传感器、温度传感器、光传感器及类似者。
附图说明
通过附图说明本技术的某些实施例。将理解，图不一定是按比例绘制。将理解，所述技术不一定限于本文所说明的特定实施例。
图1是根据本技术的示范性实施例的用于预测性环境跌倒风险标识的方法的流程图。
图2说明根据本技术的示范性实施例的用于预测性环境跌倒风险标识的环境地图。
图3说明根据本技术的示范性实施例的用于其中检测到环境改变的预测性环境跌倒风险标识的环境地图。
图4说明根据本技术的示范性实施例的计算机系统。
具体实施方式
此处公开本技术的详细实施例。应理解，所公开实施例仅仅是本发明的示范性实施例，本发明可以多种形式体现。本文公开的所述细节不应以任何形式被解释为限制性的，而应被解释为权利要求的基础。
为防止跌倒，家庭医疗系统将如紧急警报的服务与由雇佣人员对家庭进行的初始跌倒危险评估组合。一些潜在危险不是预定义及预先存在的。因此，作为一种标识技术，与通用安全标准进行比较的视觉检验无法定量地预测未具体标准化的风险。将健康数据标准化集成到机器学习(ML)中对于检测危险的准确方法是必要的，所述方法可在其检测到危险时改进风险标识。由于各种原因，包含因为数据集不可用于训练ML模型以辨识风险，本技术的实施例先前尚未被追求。另外，用以部署本技术的基础设施以及用以收集训练数据的基础设施要么不存在，要么不可用。ML及深度学习是应用于本技术的实施例的摄像头技术中的新利用工具。
本技术的各种实施例在摄像头技术及家庭健康的背景下使用ML作为提高家庭环境安全性的解决方案。举例来说，使用强化学习(RL)来产生相关联的环境跌倒风险(EFRTM)(其取决于个人(即，用户)及时间(改变))，并通知处于风险中的个人的类型的ML。
本技术的一些实施例是一种减小家庭保健监测的高成本，同时减少危险及防止跌倒，并维持用户的安全性及独立性的解决方案。本技术的实施例是环境评估系统及方法，其标识人类解释无法预期的风险、快速注意到风险并向用户发出警报。本技术的实施例包含并入近实时技术以预测及检测风险的模拟环境。
本技术的一些实施例使用模拟及视觉传感器来产生准确地预测潜在及现有EFRTM的强化学习(RL)模型，以及近实时地标识新开发的EFRTM。潜在及现有因素包含家具放置、房间相关风险、用户的个人跌倒风险及时间进展。环境中的每一房间具有从促成因素计算的EFRTM。示范性促成因素包含地板改变(例如，从垫子行进到地毯、瓷砖到垫子等)、不平地板(即，不平瓷砖)、房间相关基准(浴室具有高跌倒风险)及家具放置。环境跌倒风险的额外示范性促成因素不是物理纹理/障碍物，且包含非物理属性(即温度、光照条件、环境音频水平及类似者)的因果关系。环境改变导致新发展的风险(例如，水坑形成)。时间进展在针对组合的房间相关风险及个人跌倒风险因素的近实时改变的EFRTM中计算。
根据本技术的各种实施例，为评估家具放置及房间相关风险，预定义因素及初始风险值随着模型执行额外序列而改进。举例来说，建议的家具重新布置的风险值可被定义为潜在及现有风险，如果初始值大于或等于百分之六十(小于百分之三十)，那么所述风险值为高(低)，在序列之后针对大于百分之五十(小于百分之十)变高(低)。
在本技术的各种实施例中，使用通过本技术的系统收集及分析的训练数据产生这些模型，以包含随时间改变的所有所列因素，并输出新的跌倒风险。针对时间的改变，用户的RL模型及EFRTM与视觉传感器集成。举例来说，具有75％个人跌倒风险的人在具有0％个人跌倒风险的房间里，其总风险不改变。现在，同一个人在具有21.3％风险的房间里，那么总风险增加。也存在与时间的相依关系。人在房间里的时间越长，风险越高(即，总风险包含个人、房间及时间)。举例来说，可针对相依于时间的等式建立此基准(参见下面的等式1)：
跌倒风险＝f(t)＝0.75t+0.213*t2(等式1)，其中0.213表示房间的基准时间进展，且0.75t表示人在时间上的个人风险。因数0.213-卧室跌倒风险来自与垫子或地毯相关联的跌倒分析。参见罗森(Rosen)等人，在美国国家医学图书馆(2013年)中，参考图2脚注。通过包含更多变量，此处呈现的技术随着其变得被更好地定义而改进房间特定值。等式1是示范性等式，并且在各种实施例中，所述等式是线性的、对数的等。类似地，对于确定视觉传感器放置的风险单位分数，这些值用于说明性目的，且将随环境而变动且随着使用ML随时间推移收集数据而改进准确性。
在本技术的一些实施例中，针对新检测到的风险(水坑形成)，检测某人在房间里停留的时间的相同视觉传感器也已被放置以最大化所覆盖的平方英尺。如果淋浴具有1个主要风险，那么其具有五十个风险单位的分数。如果可看到厨房的客厅区域具有若干具有两百个风险单位的分数的中等及轻微风险，那么将传感器放置在那里而不是浴室中。
本技术的实施例使用经训练模型来自动标识危险，并将RL标识的跌倒危险及EFRTM通知给处于危险中的个人。通过使用深度摄像头及机载神经网络处理，这种RL技术实时标识常见及不明确的环境跌倒风险(EFR)，并入个体变量，并通过预防跌倒来减小健康成本。
图1是根据本技术的示范性实施例的用于预测性环境跌倒风险标识的方法的流程图100。图1展示用于预测及标识环境跌倒风险(EFRTM)的模拟过程。模拟过程中的第一步骤是输入信息，所述信息由代理使用强化学习(RL)从环境状态的测量获取，目标是开始三维地对环境绘制地图。本技术的方法及系统基于通过与周围环境交互检测到的内容采取行动。代理通过奖励函数来评估行动，并学习如何改进能力。举例来说，奖励函数规定，所有目标都可通过最大化对所有序列的预期未来奖励来实现。如果代理采取好的行动，那么代理获得正向奖励，这使得代理想要最大化累积奖励并实现最高可能奖励(即，在所有序列内，预期的未来奖励被最大化)。举例来说，在序列i＝1中采取的测量及行动具有等级10，好＝10，并且代理可针对所完成的每一序列实现等级10+i。另外，完成的序列越多，本技术的系统及方法以越少交互越快改进。
在各种实施例中，代理是创建环境地图(例如，家庭地图)的自动驾驶汽车。举例来说，连接到部署有ML模型的传感器的小型计算机评估及标识跌倒风险。代理(例如，自动驾驶汽车)产生环境的基准及环境优化建议(例如，重新布置家具、照明调整等)，以及传感器用于检测改变的RL的基准。
图2说明根据本技术的示范性实施例的用于预测性环境跌倒风险标识的环境地图200。图2展示通过将环境地图中的项目与用户的个人风险、时间进展及预定义的相依因素合并来建立跌倒风险。促成因素包含家具放置、地板改变(当从地毯行进到瓷砖、垫子到地毯或瓷砖等时风险增加)及房间相关风险。针对房间相关的跌倒风险的变量包含浴室中的35.7％、卧室中的21.3％及厨房中的15.3％。百分比被提供作为实例并且是非限制性的。
根据各种示范性实施例，代理从前门左侧开始初始序列，进入卧室，并在穿过厨房之后完成最后一个序列。当代理绘制地图并评估对应风险时，两者随着每一序列变得被更好地定义。举例来说，在前门的起点处，初始序列xi+1＝x0+1＝x1，其中f1(x)及g1(f(x))用于状态输入。在下一个顺序点(i＝1)，代理已交互，检测到下一个环境状态x2中应包含的内容，对其绘制地图，并标识相关联风险。此等式被提供作为实例，且随着额外数据被收集，其准确度使用ML改进。举例来说，一般来说，通过在代理建立模型时增加可靠性，勾号(√)表示低到无风险，且叉号(×)表示中高风险。明暗百分比分别代表未完成及已完成的风险模型。一旦到达卧室，如此处描绘，从前门到客厅的EFRTM评估就完成。此时，所述模型已改进其对高风险的评估以具有针对所述区域的50％，而不是60％的基准。初始60％来自与用户的个人跌倒风险组合的不同房间因素，例如针对卧室的21.3％。这个减少到50％是来自评估家具放置并将其考虑在内。从滑动玻璃门穿过走廊到厨房(其尽头)的风险在此处仍然未完成，因为尚未考虑穿过路径的额外方向(但将在其结束时考虑)。所述等式被提供作为实例并且是非限制性的。
在本技术的各种示范性实施例中，代理需要理解地图并标识代理是在卧室里或浴室里等，而同时标识及绘制风险(例如，来自家具或垫子放置)。向个人用户通知特定风险，并建议家具重新布置，以及相关联风险变化。举例来说，从房间本身(21.3％)及梳妆台位置(35％)，组合起来(0.213+0.35＝0.563)总基准风险超过百分之五十(56.3％)来说，卧室是高风险的。如果椅子及沙发互换，这减少到21.3％。此外，人从大厅走进厨房时应小心，瓷砖的改变产生跌倒的高风险。最后，代理包含用户的个人跌倒风险及时间进展。举例来说，假设具有百分之七十五(75％)的恒定跌倒风险的用户走进卧室(21.3％)，其风险f(t)现在是f(t)＝0.75+0.213*t，时间因素针对不同房间不同地缩放。参见罗森,T.、马克,K.A.及努南,R.K.(2013)，“滑倒和绊倒：与垫子及地毯相关联的成人跌倒伤害(Slipping andtripping:fall injuries in adults associated with rugs and carpets)”，伤害与暴力研究杂志，5(1)，第61到69页，doi:10.5249/jivr.v5i1.177。在各种实施例中，所有这些因素被包含在EFRTM评估中，并集成到视觉传感器中，以便能够近实时地检测新发展的风险。
基于EFR百分比的对应变化，不同家具布置的结果将输出优先级方面的选项。所述风险是基于逐个房间组合成总体改进。从图1中解释的方法，为了并入相依因素、视觉传感器及时间进展，可从多种数值方法确定输出风险。出于说明性目的，此处将使用线性回归作为一种方法的实例。线性回归(其中回归模型将多条线(形式为y＝mx+b)拟合到数据点以找到最好拟合)可通过主成分分析(PCA)在此处三维空间中实施，所述主成分分析(PCA)最小化从一点到所述(最佳拟合)线的平均距离平方，其后紧接的是如隔离森林的异常排名方法。所述方法包括使用于一维数据的方法适于三维。第i次观察的回归线/预测响应值为h(xi)＝β0+β1xi，其中β0及β1是回归系数，且分别表示回归线的y截距及斜率。接着使用最小二乘法：yi＝β0+β1xi+εi＝h(xi)+εi＝→εi＝yi–h(xi)。
使用PCA以r＝r(xi，yi，zi)的形式横跨此，用于输出二维平面的法向量，或线的方向向量，以及三维空间中所述平面或线上的点。换句话说，找到β0及β1以最小化从点到所述线的平均距离平方h(x)，且所述向量在隔离森林算法中用作路径长度h(x)。其为异常检测方法，其提供等级或分数s(x,n)，从而反映异常的程度。
s(x，n)＝2-E(h(x))/c(n)；c(n)＝2H(n-1)–(2(n-1)/n)
E(h(x))→c(n)；s(x,n)→0.5
E(h(x))→0；s(x,n)→1
E(h(x))→n–1；s(x,n)→0
其中h(x)-路径长度，c(n)-收敛度量，s(x,n)-例子x的异常分数，H(i)-谐波数，由ln(i)+0.5772156649估计，以及E(h(x))-在随机树的森林上平均化的h(x)的平均值。所述算法将使用个别房间因素作为线性回归的系数，从之前，f(t)＝0.75+0.213*t(具有75％个人跌倒风险的人在其风险为21.3％的卧室中的实例)。
可采用许多不同的数值方法来实现本发明的结果，其一个组成部分是为不同的家具布置提供在EFR方面更安全的多个选项。举例来说，个别房间具有重新布置，此个别地减小针对所述房间的EFR(表1)，并且是为整个环境输出的选项的促成因素。这可在下表表2及图2中看到，其中等级反映在从“1”作为最高等级(即，最优选)开始的选项编号中。值得注意的是，此处仅考虑卧室及客厅，且这是为清楚起见(如有必要，未被包含的环境的其它区域将用于本发明)。
Figure BDA0003339460940000061
Figure BDA0003339460940000062
表中的组合及其相应风险以百分比呈现，此处所有正百分比表示EFR下降。请注意，在图2及图3中左下放描绘的选项1中，此组合是如何将EFR减小百分之五十五。此处说明的重新布置是对原始布局的最优改变，如图2中左上方描绘，表示客厅X及卧室X。考虑选项10，其没有改变客厅且使用卧室A。这产生卧室EFR的百分之六十(60％)减少，及总体上大约百分之二十八(28％)的总减少。卧室中家具布置的改变更为重要，因为其自身具有更高EFR，如先前提及总计约21.3％(罗森,T.等人，2013)。这在比较选项3及4时再次被反映，在家具重新布置的评估及输出中，高风险区域被适当地排名。
图3说明根据本技术的示范性实施例的用于其中检测到环境改变的预测性环境跌倒风险标识的环境地图300。图3展示与家具重新布置相关联的新风险，视觉传感器如何使用RL检测环境改变以标识新发展的风险，以及视觉传感器的放置以最大化平方英尺覆盖范围。最大化覆盖范围赋予标识及检测新形成的风险及停留在房间中的时间(或离开房间)的能力。举例来说，图3展示猫打翻花瓶，从而形成改变用户的跌倒风险的一个水坑。几乎实时地向用户通知跌倒风险的改变。
图4说明根据本技术的示范性实施例的计算机系统。图4是以计算机系统1的形式的实例机器的示意性表示，在其内可执行用于致使机器执行本文论述的方法中的任何一或多者的一组指令。在各种实例实施例中，机器作为独立装置操作，或者可连接(例如，联网)到其它机器。在联网部署中，机器可在服务器-客户端网络环境中以服务器或客户端机器的身分操作，或者在对等(或分布式)网络环境中作为对等机器操作。所述机器可为个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、便携式音乐播放器(例如，便携式硬盘驱动器音频装置，例如运动图像专家组音频层3(MP3)播放器)、网络设备、网络路由器、交换机或桥接器，或能够执行一组指令(循序或以其它方式)的任何机器，所述指令指定由所述机器采取的行动。此外，虽然仅说明单个机器，但术语“机器”还应被视为包含个别地或联合地执行一组(或多组)指令以执行本文所论述的方法中的任何一或多者的任何机器集合。
实例计算机系统1包含处理器或多个处理器5(例如，中央处理单元(CPU)、图形处理单元(GPU)或两者)，以及主存储器10及静态存储器15，其经由总线20彼此通信。计算机系统1可进一步包含视频显示器35(例如，液晶显示器(LCD))。计算机系统1还可包含字母数字输入装置30(例如，键盘)、光标控制装置(例如，鼠标)、语音辨识或生物特征验证单元(未展示)、驱动单元37(也称为磁盘驱动单元)、信号产生装置40(例如，扬声器)及网络接口装置45。计算机系统1可进一步包含数据加密模块(未展示)以加密数据。
磁盘驱动器单元37包含计算机或机器可读媒体50，其上存储一或多组指令及数据结构(例如，指令55)，其体现或利用本文描述的方法或功能中的任何一或多者。在由计算机系统1执行指令55期间，指令55还可全部或至少部分地驻留在主存储器10内及/或处理器5内。主存储器10及处理器5也可构成机器可读媒体。
指令55可进一步经由网络接口设备45利用数个众所周知的传送协议(例如，超文本传送协议(HTTP))中的任一者通过网络传输或接收。虽然机器可读媒体50在实例实施例中被展示为单个媒体，但术语“计算机可读媒体”应被视为包含存储一或多组指令的单个媒体或多个媒体(例如，集中式或分布式数据库及/或相关联高速缓存及服务器)。术语“计算机可读媒体”还应被视为包含任何媒体，其能够存储、编码或携载供机器执行以及致使机器执行本申请案的方法中的任何一或多者的一组指令，或者能够存储、编码或携载由此一组指令利用或与其相关联的数据结构。术语“计算机可读媒体”应相应地被视为包含(但不限于)固态存储器、光学及磁性媒体以及载波信号。此类媒体还可包含(但不限于)硬盘、软盘、闪存卡、数字视频光盘、随机存取存储器(RAM)、只读存储器(ROM)及类似者。本文描述的实例实施例可在包括安装在计算机上的软件的操作环境中、在硬件中或在软件及硬件的组合中实施。
所属领域的技术人员将认识到，因特网服务可经配置以向耦合到因特网服务的一或多个计算装置提供因特网接入，并且计算装置可包含一或多个处理器、总线、存储器装置、显示装置、输入/输出装置及类似者。此外，所属领域的技术人员可了解，因特网服务可耦合到一或多个数据库、存储库、服务器及类似者，其可被利用以便实施如本文描述的本公开的实施例中的任何者。
这些计算机程序指令也可存储在计算机可读媒体中，所述计算机程序指令可指示计算机、其它可编程数据处理设备或其它装置以特定方式起作用，使得存储在计算机可读媒体中的指令产生包含实施流程图及/或框图框中指定的功能/动作的指令的制品。
计算机程序指令也可加载到计算机、其它可编程数据处理设备或其它装置上，以致使在计算机、其它可编程设备或其它装置上执行一系列操作步骤以产生计算机实施过程，使得在计算机或其它可编程设备上执行的指令提供用于实施流程图及/或框图框中指定的功能/动作的过程。
在描述中，出于解释且非限制的目的，阐述具体细节，例如特定实施例、程序、技术等，以便提供对本技术的透彻理解。然而，对于所属领域的技术人员来说将显而易见的是，本技术可在偏离这些具体细节的其它实施例中实践。
尽管上文出于说明性目的而描述系统的特定实施例及实例，但如相关领域的技术人员将认识到，在系统的范围内各种等效修改是可能的。举例来说，当以给定顺序呈现过程或步骤时，替代实施例可执行具有呈不同顺序的步骤的例程，并且一些过程或步骤可被删除、移动、添加、细分、组合及/或修改以提供替代或子组合。这些过程或步骤中的每一者可以各种不同方式实施。此外，虽然过程或步骤有时被展示为连续地执行，但这些过程或步骤可代替地并行执行，或可在不同时间执行。
尽管上文已经描述各种实施例，但应理解，其仅通过实例的方式而不是限制来呈现。描述并不希望将本技术的范围限于本文阐述的特定形式。相反，本描述希望涵盖可能包含在本技术的精神及范围内的这些替代方案、修改及等效物，如所属领域的一般技术人员所了解。因此，优选实施例的宽度及范围不应受到上文描述的示范性实施例中的任何者限制。

Claims (20)

1.一种用于针对用户的预测性环境跌倒风险标识的方法，所述方法包括：
使用传感器接收环境地图的动态观察；
确定所述环境地图；
使用所述传感器收集针对所述环境地图的一组风险因素；
为所述用户评估针对所述环境地图的所述一组风险因素；
创建包括所述所收集一组风险因素的第一训练集；
使用所述第一训练集在第一阶段中训练人工神经网络；
创建用于第二阶段训练的第二训练集，其包括所述第一训练集及所述环境地图的所述动态观察；
使用所述第二训练集在所述第二阶段中训练所述人工神经网络；
使用所述人工神经网络预测所述用户的跌倒风险；及
基于所述环境地图的所述动态观察及所述用户的所述跌倒风险向所述用户发送警报。
2.根据权利要求1所述的方法，其进一步包括：
标识可能导致跌倒的常发生的危险，包含楼梯间中的不良照明及瓷砖地板上的水溅出中的一或多者。
3.根据权利要求1所述的方法，其进一步包括：
所述传感器的放置的优化，所述传感器的放置的所述优化包含最大化覆盖范围以标识及检测新形成的风险及所述用户停留在房间中的时间。
4.根据权利要求1中所述的方法，其中所述为所述用户评估针对所述环境地图的所述一组风险因素包括与环境地图中的不同房间相关联的风险，与环境地图中的不同房间相关联的风险使用机器学习更好地定义以产生预测性标识符。
5.根据权利要求1所述的方法，其中所述传感器为视觉传感器。
6.根据权利要求1所述的方法，其中所述传感器为射频传感器。
7.根据权利要求1所述的方法，其中所述传感器为音频传感器。
8.根据权利要求1所述的方法，其中所述传感器是光检测及测距传感器。
9.根据权利要求1所述的方法，其中当所述用户从地毯地板行进到瓷砖地板时，所述用户的所述跌倒风险增加。
10.根据权利要求1所述的方法，其中当所述用户从垫子地板行进到地毯地板时，所述用户的所述跌倒风险增加。
11.一种用于针对用户的预测性环境跌倒风险标识的系统，所述系统包括：
传感器，所述传感器提供环境地图的动态观察；
至少一个处理器；及
存储器，其存储处理器可执行指令，其中所述至少一个处理器经配置以在执行所述处理器可执行指令时实施以下操作：
确定所述环境地图；
使用所述传感器收集针对所述环境地图的一组风险因素；
为所述用户评估针对所述环境地图的所述一组风险因素；
创建包括所述所收集一组风险因素的第一训练集；
使用所述第一训练集在第一阶段中训练人工神经网络；
创建用于第二阶段训练的第二训练集，其包括所述第一训练集及所述环境地图的所述动态观察；
使用所述第二训练集在所述第二阶段中训练所述人工神经网络；
使用所述人工神经网络预测所述用户的跌倒风险；及
基于所述环境地图的所述动态观察及所述用户的所述跌倒风险向所述用户发送警报。
12.根据权利要求11所述的系统，其进一步包括所述处理器可执行指令，包含标识可能导致跌倒的常发生的危险，包含楼梯间中的不良照明及瓷砖地板上的水溅出中的一或多者。
13.根据权利要求11所述的系统，其进一步包括所述处理器可执行指令，包含所述传感器的放置的优化，所述传感器的放置的所述优化包含最大化覆盖范围以标识及检测新形成的风险及所述用户停留在房间中的时间。
14.根据权利要求11所述的系统，其进一步包括所述处理器可执行指令，包含其中所述为所述用户评估针对所述环境地图的所述一组风险因素包括与环境地图中的不同房间相关联的风险，与环境地图中的不同房间相关联的风险使用机器学习更好地定义以产生预测性标识符。
15.根据权利要求11所述的方法，其中所述传感器为视觉传感器。
16.根据权利要求11所述的方法，其中所述传感器为射频传感器。
17.根据权利要求11所述的方法，其中所述传感器为音频传感器。
18.根据权利要求11所述的方法，其中所述传感器是光检测及测距传感器。
19.根据权利要求11所述的方法，其中当所述用户从地毯地板行进到瓷砖地板时，所述用户的所述跌倒风险增加。
20.根据权利要求11所述的方法，其中当所述用户从垫子地板行进到地毯地板时，所述用户的所述跌倒风险增加。
CN202080033811.5A 2019-05-07 2020-05-05 用于预测性环境跌倒风险标识的系统及方法 Pending CN113795808A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962844661P 2019-05-07 2019-05-07
US62/844,661 2019-05-07
PCT/US2020/031486 WO2020227303A1 (en) 2019-05-07 2020-05-05 Systems and methods for predictive environmental fall risk identification

Publications (1)

Publication Number Publication Date
CN113795808A true CN113795808A (zh) 2021-12-14

Family

ID=73047459

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080033811.5A Pending CN113795808A (zh) 2019-05-07 2020-05-05 用于预测性环境跌倒风险标识的系统及方法

Country Status (10)

Country Link
US (2) US11113943B2 (zh)
EP (1) EP3966657A4 (zh)
JP (1) JP2022531490A (zh)
KR (1) KR20210151885A (zh)
CN (1) CN113795808A (zh)
AU (1) AU2020267402A1 (zh)
BR (1) BR112021020866A2 (zh)
CA (1) CA3137309A1 (zh)
SG (1) SG11202111811RA (zh)
WO (1) WO2020227303A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11488724B2 (en) 2018-06-18 2022-11-01 Electronic Caregiver, Inc. Systems and methods for a virtual, intelligent and customizable personal medical assistant
US12011259B2 (en) 2015-12-11 2024-06-18 Electronic Caregiver, Inc. Systems and methods for fall detection
US12034748B2 (en) 2020-02-28 2024-07-09 Electronic Caregiver, Inc. Intelligent platform for real-time precision care plan support during remote care management
US12033484B2 (en) 2019-05-07 2024-07-09 Electronic Caregiver, Inc. Systems and methods for predictive environmental fall risk identification using dynamic input

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220359091A1 (en) * 2021-05-04 2022-11-10 Electronic Caregiver, Inc. Clinical Pathway Integration and Clinical Decision Support
US11213224B2 (en) 2018-03-19 2022-01-04 Electronic Caregiver, Inc. Consumer application for mobile assessment of functional capacity and falls risk
US11923058B2 (en) 2018-04-10 2024-03-05 Electronic Caregiver, Inc. Mobile system for the assessment of consumer medication compliance and provision of mobile caregiving
US11791050B2 (en) 2019-02-05 2023-10-17 Electronic Caregiver, Inc. 3D environment risks identification utilizing reinforced learning
KR20190106867A (ko) * 2019-08-27 2019-09-18 엘지전자 주식회사 가구의 배치 위치를 가이드하는 인공 지능 장치 및 그의 동작 방법
WO2021087185A1 (en) * 2019-10-31 2021-05-06 Matrixcare, Inc. Systems and methods for quantifying hazards in living spaces
US11436777B1 (en) * 2020-02-07 2022-09-06 Corelogic Solutions, Llc Machine learning-based hazard visualization system
US20220067547A1 (en) * 2020-09-01 2022-03-03 International Business Machines Corporation Smart environment mitigation of identified risk
US12009083B2 (en) 2020-11-16 2024-06-11 Electronic Caregiver, Inc. Remote physical therapy and assessment of patients
CN112489368A (zh) * 2020-11-30 2021-03-12 安徽国广数字科技有限公司 智能跌倒识别与检测报警方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170140631A1 (en) * 2015-09-17 2017-05-18 Luvozo Pbc Automated environment hazard detection
US20170213145A1 (en) * 2016-01-21 2017-07-27 Verily Life Sciences Llc Adaptive model-based system to automatically quantify fall risk
US20180233018A1 (en) * 2017-02-13 2018-08-16 Starkey Laboratories, Inc. Fall prediction system including a beacon and method of using same

Family Cites Families (142)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5211642A (en) * 1991-10-28 1993-05-18 Clendenning Beverly F Chambers drainage system
US5475953A (en) * 1994-09-29 1995-12-19 Powerflor, Inc. 2-shaped edge molding strip
US5601910A (en) * 1995-04-18 1997-02-11 E. I. Du Pont De Nemours And Company Rug underlay substantially impervious to liquids
US6665647B1 (en) 1997-11-24 2003-12-16 Chris A. Haudenschild Enterprise healthcare management system and method of using same
WO2000005639A2 (en) 1998-07-21 2000-02-03 Originet Method and system for providing an avatar interactive computer guide system
US20020062342A1 (en) 2000-11-22 2002-05-23 Sidles Charles S. Method and system for completing forms on wide area networks such as the internet
ES2289621T3 (es) 2001-02-16 2008-02-01 United Parcel Service Of America, Inc. Sistemas que permiten activar y desactivar selectivamente el acceso a aplicaciones de software a traves de una red y sus metodos de uso.
JP4744715B2 (ja) 2001-04-06 2011-08-10 株式会社ブロードリーフ 情報開示方法
US7242306B2 (en) 2001-05-08 2007-07-10 Hill-Rom Services, Inc. Article locating and tracking apparatus and method
US8108488B2 (en) 2002-11-18 2012-01-31 Jackbe Corporation System and method for reducing bandwidth requirements for remote applications by utilizing client processing power
JP2004264060A (ja) 2003-02-14 2004-09-24 Akebono Brake Ind Co Ltd 姿勢の検出装置における誤差補正方法及びそれを利用した動作計測装置
US20050055942A1 (en) * 2003-08-26 2005-03-17 M & M Flooring Method for manufacturing and installing a prefabricated hardwood floor
JP2005228305A (ja) 2004-01-15 2005-08-25 Tokyoto Koreisha Kenkyu Fukushi Shinko Zaidan 老年症候群の危険性の判定方法
US20110145018A1 (en) 2005-03-21 2011-06-16 Fotsch Edward J Drug and medical device safety and support information reporting system, processing device and method
US20060001545A1 (en) * 2005-05-04 2006-01-05 Mr. Brian Wolf Non-Intrusive Fall Protection Device, System and Method
WO2007041295A2 (en) 2005-09-30 2007-04-12 Irobot Corporation Companion robot for personal interaction
US8919066B2 (en) * 2006-02-09 2014-12-30 University Of Notre Dame Du Lac Flooring apparatus for reducing impact energy during a fall
US20070238936A1 (en) 2006-04-10 2007-10-11 Shirley Ann Becker Portable Electronic Medical Assistant
US7558622B2 (en) 2006-05-24 2009-07-07 Bao Tran Mesh network stroke monitoring appliance
US20080010293A1 (en) 2006-07-10 2008-01-10 Christopher Zpevak Service level agreement tracking system
US7971141B1 (en) 2006-10-31 2011-06-28 Intuit Inc. Method and system for populating a form based on an existing format
US7445086B1 (en) * 2007-01-16 2008-11-04 Daniel Sizemore Ladder lock
US7612681B2 (en) 2007-02-06 2009-11-03 General Electric Company System and method for predicting fall risk for a resident
US9772751B2 (en) 2007-06-29 2017-09-26 Apple Inc. Using gestures to slide between user interfaces
US20090094285A1 (en) 2007-10-03 2009-04-09 Mackle Edward G Recommendation apparatus
US8206325B1 (en) 2007-10-12 2012-06-26 Biosensics, L.L.C. Ambulatory system for measuring and monitoring physical activity and risk of falling and for automatic fall detection
US9579047B2 (en) * 2013-03-15 2017-02-28 Careview Communications, Inc. Systems and methods for dynamically identifying a patient support surface and patient monitoring
US10438496B2 (en) 2008-11-18 2019-10-08 Victoria Panzer Method and system for fall prevention in older adults
US20150019250A1 (en) 2009-05-22 2015-01-15 A-Vu Media Corp. Manager-controllable integrated user content and services system
US20120316897A1 (en) 2011-06-10 2012-12-13 AI Cure Technologies, Inc. Method and Apparatus for Monitoring Medication Adherence
US20110126197A1 (en) 2009-11-25 2011-05-26 Novell, Inc. System and method for controlling cloud and virtualized data centers in an intelligent workload management system
US20130204545A1 (en) 2009-12-17 2013-08-08 James C. Solinsky Systems and methods for sensing balanced-action for improving mammal work-track efficiency
US20110232708A1 (en) * 2010-03-24 2011-09-29 James Martin Kemp Walker and wheel assembly
US8427324B2 (en) 2010-07-30 2013-04-23 General Electric Company Method and system for detecting a fallen person using a range imaging device
DE102010033232A1 (de) 2010-08-03 2012-02-09 Siemens Aktiengesellschaft Verfahren und Vorrichtung zum Bereitstellen eines Einmalpasswortes
EP2606448B1 (en) 2010-08-18 2016-02-10 Security First Corp. Systems and methods for securing virtual machine computing environments
US9785744B2 (en) 2010-09-14 2017-10-10 General Electric Company System and method for protocol adherence
US9934427B2 (en) 2010-09-23 2018-04-03 Stryker Corporation Video monitoring system
US9204823B2 (en) 2010-09-23 2015-12-08 Stryker Corporation Video monitoring system
JP2012101729A (ja) * 2010-11-12 2012-05-31 Suminoe Textile Co Ltd 防滑性に優れた自動車用マット。
US8730297B2 (en) 2010-11-15 2014-05-20 Cisco Technology, Inc. System and method for providing camera functions in a video environment
US20150169835A1 (en) * 2010-12-01 2015-06-18 University Of Utah Research Foundation Faint and fall assessment
US20120165618A1 (en) 2010-12-22 2012-06-28 Richard Algoo Method and apparatus for health avatar
US8827930B2 (en) 2011-01-10 2014-09-09 Bioguidance Llc System and method for patient monitoring
US9501919B2 (en) 2011-03-11 2016-11-22 Elisabeth Laett Method and system for monitoring the activity of a subject within spatial temporal and/or behavioral parameters
US20120253233A1 (en) * 2011-03-31 2012-10-04 Greene Barry Algorithm for quantitative standing balance assessment
US20130127620A1 (en) 2011-06-20 2013-05-23 Cerner Innovation, Inc. Management of patient fall risk
US9355393B2 (en) 2011-08-18 2016-05-31 Visa International Service Association Multi-directional wallet connector apparatuses, methods and systems
EA201691317A1 (ru) 2011-07-08 2016-10-31 Лайфкью Глоубл Лимитед Портативное устройство и способ для анализа состава вдыхаемого и выдыхаемого субъектом воздуха
US8771206B2 (en) 2011-08-19 2014-07-08 Accenture Global Services Limited Interactive virtual care
WO2013058985A1 (en) 2011-10-17 2013-04-25 Kimmel Zebadiah M Method and apparatus for detecting deterioration of health status
US10176299B2 (en) 2011-11-11 2019-01-08 Rutgers, The State University Of New Jersey Methods for the diagnosis and treatment of neurological disorders
US20130303860A1 (en) 2011-11-21 2013-11-14 Robert Bender Systems and methods for use in fall risk assessment
EP2610724B1 (en) 2011-12-27 2022-01-05 Tata Consultancy Services Limited A system and method for online user assistance
US20130212501A1 (en) 2012-02-10 2013-08-15 Glen J. Anderson Perceptual computing with conversational agent
GB2500058B (en) 2012-03-09 2014-04-02 Kari Hjelt A dynamically configurable balancing board
US9372252B2 (en) 2012-03-21 2016-06-21 Secure Care Products, Llc Outdoor object location system and method thereof
US9597016B2 (en) 2012-04-27 2017-03-21 The Curators Of The University Of Missouri Activity analysis, fall detection and risk assessment systems and methods
US9408561B2 (en) 2012-04-27 2016-08-09 The Curators Of The University Of Missouri Activity analysis, fall detection and risk assessment systems and methods
US10265028B2 (en) 2012-08-16 2019-04-23 Ginger.io, Inc. Method and system for modeling behavior and heart disease state
US9536049B2 (en) 2012-09-07 2017-01-03 Next It Corporation Conversational virtual healthcare assistant
WO2014043757A1 (en) 2012-09-20 2014-03-27 National Ict Australia Limited Stride detection
US9208676B2 (en) 2013-03-14 2015-12-08 Google Inc. Devices, methods, and associated information processing for security in a smart-sensored home
US9338622B2 (en) 2012-10-04 2016-05-10 Bernt Erik Bjontegard Contextually intelligent communication systems and processes
US20140171834A1 (en) 2012-10-20 2014-06-19 Elizabethtown College Electronic-Movement Analysis Tool for Motor Control Rehabilitation and Method of Using the Same
CA2834877A1 (en) * 2012-11-28 2014-05-28 Henry Leung System and method for event monitoring and detection
US9706949B2 (en) 2013-02-27 2017-07-18 The Board Of Trustees Of The University Of Alabama, For And On Behalf Of The University Of Alabama In Huntsville Systems and methods for automatically quantifying mobility
US20140257850A1 (en) 2013-03-05 2014-09-11 Clinton Colin Graham Walker Automated interactive health care application for patient care
US9414222B1 (en) * 2013-03-12 2016-08-09 Amazon Technologies, Inc. Predictive caching devices, systems and methods
US10726461B2 (en) 2013-03-15 2020-07-28 Ncr Corporation System and method of completing an activity via an agent
US9258522B2 (en) 2013-03-15 2016-02-09 Stryker Corporation Privacy setting for medical communications systems
US9317916B1 (en) 2013-04-12 2016-04-19 Aic Innovations Group, Inc. Apparatus and method for recognition of medication administration indicator
AU2014262897B2 (en) 2013-05-04 2018-03-22 Christopher Decharms Mobile security technology
US20140358828A1 (en) * 2013-05-29 2014-12-04 Purepredictive, Inc. Machine learning generated action plan
JP6448626B2 (ja) 2013-06-06 2019-01-09 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 転倒検出システム及び方法
US9591996B2 (en) 2013-06-07 2017-03-14 Lumo BodyTech, Inc System and method for detecting transitions between sitting and standing states
DE102013017264A1 (de) 2013-10-17 2015-04-23 Dräger Medical GmbH Verfahren für die Überwachung eines Patienten innerhalb eines medizinischen Überwachungsbereichs
WO2015063765A1 (en) 2013-10-29 2015-05-07 Milbat - Giving Quality To Life Walker-assist device
US10475141B2 (en) * 2014-02-06 2019-11-12 Empoweryu, Inc. System and method for adaptive indirect monitoring of subject for well-being in unattended setting
CA2949449C (en) 2014-05-23 2021-05-25 Dacadoo Ag Automated health data acquisition, processing and communication system
KR101702312B1 (ko) 2014-10-02 2017-02-03 (주)직토 휴대용 전자기기의 바디 밸런스 측정 방법 및 장치
US10360349B2 (en) 2014-10-27 2019-07-23 MolecularMatch, Inc. Personalized medicine service
CN104361321B (zh) 2014-11-13 2018-02-09 侯振杰 一种判断老年人摔倒行为及身体平衡能力的方法
US10289868B2 (en) 2014-11-27 2019-05-14 Siemens Aktiengesellschaft Transmitting medical datasets
US10019553B2 (en) 2015-01-27 2018-07-10 Catholic Health Initiatives Systems and methods for virtually integrated care delivery
US10896756B2 (en) * 2015-04-21 2021-01-19 Washington State University Environmental sensor-based cognitive assessment
US10062010B2 (en) * 2015-06-26 2018-08-28 Intel Corporation System for building a map and subsequent localization
WO2017003547A1 (en) * 2015-06-30 2017-01-05 The United States Of America, As Represented By The Secretary, Department Of Health And Human Services Method and system for a mobile health platform
JP6691145B2 (ja) * 2015-06-30 2020-04-28 ジブリオ， インク 人の姿勢安定性および転倒リスクを判定するための方法、システムおよび装置
US20170024531A1 (en) 2015-07-22 2017-01-26 Radicalogic Technologies, Inc. Dba Rl Solutions Systems and methods for near-real or real-time contact tracing
US10206630B2 (en) * 2015-08-28 2019-02-19 Foresite Healthcare, Llc Systems for automatic assessment of fall risk
US10387963B1 (en) 2015-09-24 2019-08-20 State Farm Mutual Automobile Insurance Company Method and system of generating a call agent avatar using artificial intelligence
US10768772B2 (en) 2015-11-19 2020-09-08 Microsoft Technology Licensing, Llc Context-aware recommendations of relevant presentation content displayed in mixed environments
WO2017100220A1 (en) * 2015-12-07 2017-06-15 Rapidsos, Inc. Systems and methods for predicting emergency situations
US10813572B2 (en) 2015-12-11 2020-10-27 Electronic Caregiver, Inc. Intelligent system for multi-function electronic caregiving to facilitate advanced health diagnosis, health monitoring, fall and injury prediction, health maintenance and support, and emergency response
US20190220727A1 (en) 2018-01-17 2019-07-18 SameDay Security, Inc. Computing Devices with Improved Interactive Animated Conversational Interface Systems
US20170193172A1 (en) 2015-12-30 2017-07-06 Accenture Global Solutions Limited Cloud-based operation administration platform
US10460024B2 (en) 2016-01-05 2019-10-29 Adobe Inc. Interactive electronic form workflow assistant that guides interactions with electronic forms in a conversational manner
WO2017118908A1 (en) 2016-01-08 2017-07-13 Balance4Good Ltd. Balance testing and training system and method
ITUB20160119A1 (it) * 2016-02-04 2017-08-04 Teseo Srl Sistema di monitoraggio ed assistenza private di persone, in particolare di anziani o di persone con problemi speciali o di carattere cognitivo
US20170273601A1 (en) 2016-03-28 2017-09-28 Lumo BodyTech, Inc System and method for applying biomechanical characterizations to patient care
CN106056035A (zh) 2016-04-06 2016-10-26 南京华捷艾米软件科技有限公司 一种基于体感技术的幼儿园智能监控方法
US10795947B2 (en) 2016-05-17 2020-10-06 Google Llc Unified message search
WO2017206156A1 (en) * 2016-06-03 2017-12-07 Intel Corporation Look-up convolutional layer in convolutional neural network
FR3053509B1 (fr) 2016-06-30 2019-08-16 Fittingbox Procede d’occultation d’un objet dans une image ou une video et procede de realite augmentee associe
EP3500224A4 (en) 2016-08-19 2020-03-25 Curiato Inc. SYSTEM, METHOD AND COMPUTER READABLE MEDIUM FOR DYNAMIC PRESSURE DAMAGE RISK ASSESSMENT AND REACTION
US20180075220A1 (en) 2016-09-12 2018-03-15 National Health Coalition, Inc. Methods for Processing Submission and Fulfillment of Pharmaceutical Prescriptions in Real Time
US10042755B2 (en) 2016-09-28 2018-08-07 Micron Technology, Inc. 3D vertical NAND memory device including multiple select lines and control lines having different vertical spacing
US10866631B2 (en) * 2016-11-09 2020-12-15 Rockwell Automation Technologies, Inc. Methods, systems, apparatuses, and techniques for employing augmented reality and virtual reality
US9972187B1 (en) * 2016-11-13 2018-05-15 Agility4Life Biomechanical parameter determination for emergency alerting and health assessment
JP6812772B2 (ja) * 2016-12-09 2021-01-13 富士ゼロックス株式会社 監視装置及びプログラム
WO2018156076A1 (en) * 2017-02-24 2018-08-30 Telefonaktiebolaget Lm Ericsson (Publ) Method and system for fault localization in a cloud environment
US10628635B1 (en) 2017-03-29 2020-04-21 Valyant AI, Inc. Artificially intelligent hologram
US20180302403A1 (en) * 2017-04-13 2018-10-18 Plas.md, Inc. System and method for location-based biometric data collection and processing
KR102013935B1 (ko) * 2017-05-25 2019-08-23 삼성전자주식회사 위험 상황을 감지하는 방법 및 시스템
CN107411515A (zh) 2017-07-27 2017-12-01 胡彦 产妇跌倒保护装置
US11158179B2 (en) * 2017-07-27 2021-10-26 NXT-ID, Inc. Method and system to improve accuracy of fall detection using multi-sensor fusion
US10561549B2 (en) 2017-07-28 2020-02-18 Hill-Rom Services, Inc. Bed-based safety protocol control
US20190042700A1 (en) 2017-08-02 2019-02-07 Imam Abdulrahman Bin Faisal University Apparatus and method for real-time assessment, mapping, and building databases of quality of life indicators
WO2019036035A1 (en) * 2017-08-16 2019-02-21 ODH, Inc. DATA PROCESSING APPARATUS FOR ACCESSING A SHARED MEMORY IN PROCESSING STRUCTURED DATA FOR MODIFYING A DATA STRUCTURE OF A PARAMETER VECTOR
KR102481883B1 (ko) * 2017-09-27 2022-12-27 삼성전자주식회사 위험 상황을 감지하는 방법 및 장치
US11032337B2 (en) 2017-10-16 2021-06-08 Vincent Paul Spinella-Mamo Contextual and collaborative media
US10657259B2 (en) * 2017-11-01 2020-05-19 International Business Machines Corporation Protecting cognitive systems from gradient based attacks through the use of deceiving gradients
US20190164015A1 (en) * 2017-11-28 2019-05-30 Sigma Ratings, Inc. Machine learning techniques for evaluating entities
US10475169B2 (en) * 2017-11-28 2019-11-12 Adobe Inc. High dynamic range illumination estimation
US10977595B2 (en) * 2017-12-27 2021-04-13 Pearson Education, Inc. Security and content protection by continuous identity verification
US20190259475A1 (en) 2018-02-20 2019-08-22 SameDay Security, Inc. Connected Kiosk for the Real-Time Assessment of Falls Risk
US10922585B2 (en) * 2018-03-13 2021-02-16 Recogni Inc. Deterministic labeled data generation and artificial intelligence training pipeline
US11213224B2 (en) 2018-03-19 2022-01-04 Electronic Caregiver, Inc. Consumer application for mobile assessment of functional capacity and falls risk
US11094180B1 (en) * 2018-04-09 2021-08-17 State Farm Mutual Automobile Insurance Company Sensing peripheral heuristic evidence, reinforcement, and engagement system
US11923058B2 (en) 2018-04-10 2024-03-05 Electronic Caregiver, Inc. Mobile system for the assessment of consumer medication compliance and provision of mobile caregiving
US11093747B2 (en) * 2018-04-16 2021-08-17 Peerwell, Inc. Hazard recognition
US11488724B2 (en) 2018-06-18 2022-11-01 Electronic Caregiver, Inc. Systems and methods for a virtual, intelligent and customizable personal medical assistant
US11040714B2 (en) * 2018-09-28 2021-06-22 Intel Corporation Vehicle controller and method for controlling a vehicle
US10949211B2 (en) * 2018-12-20 2021-03-16 Vmware, Inc. Intelligent scheduling of coprocessor execution
US10891843B2 (en) * 2019-01-03 2021-01-12 International Business Machines Corporation Methods and systems for managing hazard risk based on location and incident data
US11791050B2 (en) 2019-02-05 2023-10-17 Electronic Caregiver, Inc. 3D environment risks identification utilizing reinforced learning
US11507084B2 (en) * 2019-03-27 2022-11-22 Intel Corporation Collaborative 3-D environment map for computer-assisted or autonomous driving vehicles
US11113943B2 (en) 2019-05-07 2021-09-07 Electronic Caregiver, Inc. Systems and methods for predictive environmental fall risk identification
US12034748B2 (en) 2020-02-28 2024-07-09 Electronic Caregiver, Inc. Intelligent platform for real-time precision care plan support during remote care management
US20210358202A1 (en) 2020-05-13 2021-11-18 Electronic Caregiver, Inc. Room Labeling Drawing Interface for Activity Tracking and Detection
US20220022760A1 (en) 2020-07-22 2022-01-27 Electronic Caregiver, Inc. Systems and methods for mitigating the spread of infectious diseases

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170140631A1 (en) * 2015-09-17 2017-05-18 Luvozo Pbc Automated environment hazard detection
US20170213145A1 (en) * 2016-01-21 2017-07-27 Verily Life Sciences Llc Adaptive model-based system to automatically quantify fall risk
US20180233018A1 (en) * 2017-02-13 2018-08-16 Starkey Laboratories, Inc. Fall prediction system including a beacon and method of using same

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12011259B2 (en) 2015-12-11 2024-06-18 Electronic Caregiver, Inc. Systems and methods for fall detection
US11488724B2 (en) 2018-06-18 2022-11-01 Electronic Caregiver, Inc. Systems and methods for a virtual, intelligent and customizable personal medical assistant
US12033484B2 (en) 2019-05-07 2024-07-09 Electronic Caregiver, Inc. Systems and methods for predictive environmental fall risk identification using dynamic input
US12034748B2 (en) 2020-02-28 2024-07-09 Electronic Caregiver, Inc. Intelligent platform for real-time precision care plan support during remote care management

Also Published As

Publication number Publication date
JP2022531490A (ja) 2022-07-06
EP3966657A4 (en) 2023-01-25
US12033484B2 (en) 2024-07-09
AU2020267402A1 (en) 2021-11-11
US20210398410A1 (en) 2021-12-23
KR20210151885A (ko) 2021-12-14
WO2020227303A1 (en) 2020-11-12
CA3137309A1 (en) 2020-11-12
US20200357256A1 (en) 2020-11-12
EP3966657A1 (en) 2022-03-16
SG11202111811RA (en) 2021-11-29
BR112021020866A2 (pt) 2021-12-14
US11113943B2 (en) 2021-09-07

Similar Documents

Publication Publication Date Title
CN113795808A (zh) 用于预测性环境跌倒风险标识的系统及方法
CN108351862B (zh) 利用人工智能和用户输入来确定发育进展的方法和装置
Lee et al. An intelligent emergency response system: preliminary development and testing of automated fall detection
US10803407B2 (en) Method for selecting learned model corresponding to sensing data and provisioning selected learned model, and learned model provision device
JP6578244B2 (ja) 履歴データに基づく適合性の確度の決定
Thakur et al. Multimodal approaches for indoor localization for ambient assisted living in smart homes
US11481811B2 (en) Electronic device and method for controlling same
Kwon et al. Single activity sensor-based ensemble analysis for health monitoring of solitary elderly people
CN110291542B (zh) 主要原因估计装置、主要原因估计系统以及主要原因估计方法
Ward et al. Fall detectors: a review of the literature
JP2014228991A (ja) 情報処理装置および方法、並びにプログラム
Lee et al. Context-aware inference in ubiquitous residential environments
Kaffash-Charandabi et al. A ubiquitous asthma monitoring framework based on ambient air pollutants and individuals’ contexts
US20180032674A1 (en) Diagnostic system, diagnostic method, and storage medium
Chiu et al. Assessing mobile and smart technology applications for active and healthy aging using a fuzzy collaborative intelligence approach
Lundström et al. Halmstad intelligent home-capabilities and opportunities
Payandeh et al. Application of modified pagerank algorithm for anomaly detection in movements of older adults
Pandya et al. Smart aging wellness sensor networks: a near real-time daily activity health monitoring, anomaly detection and alert system
Kumari et al. Indoor occupancy detection and counting system based on boosting algorithm using different sensor data
Ras et al. Engineering tele-health solutions in the ambient assisted living lab
Ortiz-Barrios et al. Complementing real datasets with simulated data: A regression-based approach
JP2020190964A (ja) 情報処理装置、情報処理方法および情報処理プログラム
Elbayoudi et al. Determining behavioural trends in an ambient intelligence environment
Duhirwe et al. Geographically extended occupant clothing behavior model using convolutional neural networks with hyperband technique
KR20220119958A (ko) 주변 환경특성에 따른 빅데이터를 통한 인공지능 ai 기반 맞춤형 화장품 설계 플랫폼 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination