[학위논문]Edge Computing-Based Self-Organized Device Network for Diagnosing Activities of Daily Living (ADL) in Home : 주거공간에서 일상활동내역 진단을 위한 엣지 컴퓨팅 기반의 자율군집 장치 네트워크원문보기
일상활동내역(Activities of Daily Living, ADL)은 노인의 뇌 건강 진단을 위한 중요한 지표이며, 병원은 치매와 같은 만성 뇌 질환을 진단하기 위한 표준 검사로 이를 사용한다. 그러나 병원에서는 실제 ADL을 판단하기가 어렵기 때문에 의사는 주로 환자 또는 보호자와의 인터뷰를 통해 환자의 ADL을 예측한다. 최근, 많은 연구들이 생활 환경에서 환자의 실제 ADL을 수집하고 분석하여 정확한 뇌 건강을 진단하려고 시도하였다. 그러나 대부분은 중앙집중식 ...
일상활동내역(Activities of Daily Living, ADL)은 노인의 뇌 건강 진단을 위한 중요한 지표이며, 병원은 치매와 같은 만성 뇌 질환을 진단하기 위한 표준 검사로 이를 사용한다. 그러나 병원에서는 실제 ADL을 판단하기가 어렵기 때문에 의사는 주로 환자 또는 보호자와의 인터뷰를 통해 환자의 ADL을 예측한다. 최근, 많은 연구들이 생활 환경에서 환자의 실제 ADL을 수집하고 분석하여 정확한 뇌 건강을 진단하려고 시도하였다. 그러나 대부분은 중앙집중식 컴퓨팅 개념으로 고가의 스마트 홈을 구축하여 구현하였으며, 수집하는 데이터는 단순히 환자의 가전 물품 사용 정보 및 주변 환경 데이터이다. 스마트 홈을 구축하는 데 높은 비용이 들지만 수집되는 데이터는 정확한 뇌 건강을 예측하기에는 불충분하다. 본 논문에서는, 일반적인 집에 쉽게 설치되어 동작할 수 있는 세 종류의 휴대용 장치(웨어러블, 태그 및 고정 장치)를 개발하여 사용한다. 또한 사용자, 위치 및 행동 인식을 동시에 할 수 있는 엣지 컴퓨팅 기반의 자율군집 장치 네트워크 구조를 제안한다. 이 방식은 사용자 활동 데이터를 수집하고 실시간으로 ADL을 분석하여 사용자의 행동이 일반적인지 비정상적인지 판단하고, 사용자의 물리적인 이동능력을 추정하여 기록할 수 있다. 제안하는 시스템은 가족 구성원 중 환자를 식별하고, 망각 또는 실수인 행동에 대해 실시간 알림을 제공할 수 있다. 우리는 스마트 홈 시나리오를 위한 실제 에지 네트워크를 구성하는 장치들을 구현하였고, 시스템의 성능을 평가하여 그 유용성을 검증하였다.
일상활동내역(Activities of Daily Living, ADL)은 노인의 뇌 건강 진단을 위한 중요한 지표이며, 병원은 치매와 같은 만성 뇌 질환을 진단하기 위한 표준 검사로 이를 사용한다. 그러나 병원에서는 실제 ADL을 판단하기가 어렵기 때문에 의사는 주로 환자 또는 보호자와의 인터뷰를 통해 환자의 ADL을 예측한다. 최근, 많은 연구들이 생활 환경에서 환자의 실제 ADL을 수집하고 분석하여 정확한 뇌 건강을 진단하려고 시도하였다. 그러나 대부분은 중앙집중식 컴퓨팅 개념으로 고가의 스마트 홈을 구축하여 구현하였으며, 수집하는 데이터는 단순히 환자의 가전 물품 사용 정보 및 주변 환경 데이터이다. 스마트 홈을 구축하는 데 높은 비용이 들지만 수집되는 데이터는 정확한 뇌 건강을 예측하기에는 불충분하다. 본 논문에서는, 일반적인 집에 쉽게 설치되어 동작할 수 있는 세 종류의 휴대용 장치(웨어러블, 태그 및 고정 장치)를 개발하여 사용한다. 또한 사용자, 위치 및 행동 인식을 동시에 할 수 있는 엣지 컴퓨팅 기반의 자율군집 장치 네트워크 구조를 제안한다. 이 방식은 사용자 활동 데이터를 수집하고 실시간으로 ADL을 분석하여 사용자의 행동이 일반적인지 비정상적인지 판단하고, 사용자의 물리적인 이동능력을 추정하여 기록할 수 있다. 제안하는 시스템은 가족 구성원 중 환자를 식별하고, 망각 또는 실수인 행동에 대해 실시간 알림을 제공할 수 있다. 우리는 스마트 홈 시나리오를 위한 실제 에지 네트워크를 구성하는 장치들을 구현하였고, 시스템의 성능을 평가하여 그 유용성을 검증하였다.
Activities of daily living (ADL) is an important indicator for diagnosing brain health in the elderly, and hospitals use it as a standard test for diagnosing chronic brain diseases such as dementia. However, since it is difficult to judge real-life ADL in hospitals, doctors mainly predict ADL abilit...
Activities of daily living (ADL) is an important indicator for diagnosing brain health in the elderly, and hospitals use it as a standard test for diagnosing chronic brain diseases such as dementia. However, since it is difficult to judge real-life ADL in hospitals, doctors mainly predict ADL ability through interviews with patients or accompanying caregivers. Recently, many studies have attempted to diagnose accurate brain health by collecting and analyzing the real-life ADL of patients in their living environment. However, most of these were conducted by constructing and implementing expensive smart homes with the concept of centralized computing, and ADL data are collected from a simple patient’s home appliance usage and surrounding environment data. Despite the high cost of building a smart home, the collected ADL data are inadequate for predicting accurate brain health. In this paper, we develop and use three types of portable devices (wearable, tag, and stationary) that can be easily installed and operated in typical existing houses. We also propose a self-organized device network structure based on edge computing that can perform user perception, location perception, and behavioral perception simultaneously. This approach allows us to collect user activity data, analyze ADL in real-time to determine if the user’s behavior was successful or abnormal, and record the physical moving ability of the user between fixed spaces. The characteristics of this proposed system enable us to identify patients among their family members and provide real-time notifications after an accidental forgetful or mistaken action. We implemented the devices that make up the actual edge network for the smart home scenario and evaluated the performance of this system to verify its usefulness.
Activities of daily living (ADL) is an important indicator for diagnosing brain health in the elderly, and hospitals use it as a standard test for diagnosing chronic brain diseases such as dementia. However, since it is difficult to judge real-life ADL in hospitals, doctors mainly predict ADL ability through interviews with patients or accompanying caregivers. Recently, many studies have attempted to diagnose accurate brain health by collecting and analyzing the real-life ADL of patients in their living environment. However, most of these were conducted by constructing and implementing expensive smart homes with the concept of centralized computing, and ADL data are collected from a simple patient’s home appliance usage and surrounding environment data. Despite the high cost of building a smart home, the collected ADL data are inadequate for predicting accurate brain health. In this paper, we develop and use three types of portable devices (wearable, tag, and stationary) that can be easily installed and operated in typical existing houses. We also propose a self-organized device network structure based on edge computing that can perform user perception, location perception, and behavioral perception simultaneously. This approach allows us to collect user activity data, analyze ADL in real-time to determine if the user’s behavior was successful or abnormal, and record the physical moving ability of the user between fixed spaces. The characteristics of this proposed system enable us to identify patients among their family members and provide real-time notifications after an accidental forgetful or mistaken action. We implemented the devices that make up the actual edge network for the smart home scenario and evaluated the performance of this system to verify its usefulness.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.