Neues HAR-System mit Tensor-Maschine steigert Genauigkeit bei Heimpflege

In einer aktuellen Studie aus dem arXiv-Repository wurde ein kostengünstiges, automatisiertes System zur Erkennung menschlicher Aktivitäten vorgestellt, das speziell für die Pflege von älteren und verletzlichen Patienten zu Hause entwickelt wurde. Durch den Einsatz von tragbaren Beschleunigungs- und Gyroskopsensoren werden Bewegungen wie Gehen, Treppensteigen, Sitzen, Stehen und Liegen erfasst.

Die Forscher haben vier klassische Klassifikatoren – Logistische Regression, Random Forest, Support Vector Machine (SVM) und k-Nearest Neighbors (k‑NN) – getestet und mit einer neuartigen Support Tensor Machine (STM) verglichen. Während SVM mit 93,33 % Genauigkeit die besten Ergebnisse unter den traditionellen Modellen erzielte, erreichte die STM beeindruckende 96,67 % Testgenauigkeit und 98,50 % Kreuzvalidierungsgenauigkeit.

Der entscheidende Vorteil der STM liegt in ihrer Fähigkeit, Tensorrepräsentationen zu nutzen, um die räumlich‑zeitlichen Dynamiken von Bewegungen zu bewahren. Dadurch liefert das System robuste Klassifikationen über verschiedene Aktivitäten hinweg und eröffnet neue Möglichkeiten für die Fernüberwachung von Patienten, die Unterstützung von Senioren, die Beobachtung von Kindern, die Rückmeldung bei Yoga‑Übungen und die Förderung von Wellness in Smart‑Home‑Umgebungen. Besonders in ressourcenarmen und ländlichen Regionen bietet diese Lösung eine skalierbare Alternative zur traditionellen medizinischen Infrastruktur.