(3.232.129.123) 您好!臺灣時間:2021/02/26 21:58
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:許哲榮
研究生(外文):Hsu Che-Jung
論文名稱:以非侵入式感應器資料推估老人健康狀況之研究
論文名稱(外文):Forecasting the physical condition of the elderly using non-invasive sensor data
指導教授:林志麟林志麟引用關係
指導教授(外文):Jun-Lin Lin
學位類別:碩士
校院名稱:元智大學
系所名稱:資訊管理研究所
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:70
中文關鍵詞:資料探勘醫學預測感應器高齡者醫療資訊系統遠端居家看護
外文關鍵詞:data miningmedical predictionsensoreldermedical information systemremote monitor home care
相關次數:
  • 被引用被引用:1
  • 點閱點閱:234
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:4
老人安養問題已經成為開發國家社會福利政策重視的一環,為了降低安養成本以及提昇安養水準,越來越多的安養機構選擇引入感應器來協助監測病人健康情形。感應器的引入也使得居家看護變為可能。就長期看護以及遠端看護觀點而言,非侵入式感應器所得到的資訊常隱匿疾病發生的警訊。相較於侵入式感應器而言,非侵入式感應器建置成本較為便宜並且高齡者較難察覺監測的行為。然目前大部分學者對於醫學預測方面的研究只針對侵入式感應器所收集到病人失效狀態變化建立、建構短期預測監測模式。本研究主要是提出一個適用於非侵入式感應器資料的中長期健康預測模式,找出高齡者行為模式變化關係,並且找出健康狀態與行為模式變化的規則,以提供未來遠端居家健康監測使用。
The problem of senior care has become an important issue of social welfare policy in developed countries. In order to reduce cost and increase the quality of senior care, more and more institutions choose to use sensors to help monitoring health condition of patients.
Using sensors make home care of the elderly easier to achieve. From the long term and long distance senior care point of view, the information obtained by noninvasive sensors usually hides alerts which represent illness. Unlike invasive sensors, the installation cost of noninvasive sensors is cheaper. It''s harder to monitor the behavior of the elderly. However, most scholars only establish short term monitor mode when receiving illness data from invasive sensor.
This research proposes a suitable way for detecting health condition of the elderly via noninvasive sensor to provide remote monitor home care in the future.
書名頁 i
論文口試委員審定書 ii
授權書 iii
中文摘要 vi
英文摘要 vii
謝辭 viii
目錄 ix
圖目錄 xi
表目錄 xii
第一章 緒論 1
1.1. 研究背景 1
1.2. 研究動機 2
1.3. 研究目的 3
1.4. 研究限制 4
1.5. 論文架構 4
第二章 相關文獻探討 5
2.1. 資料探勘在醫療預測方面的研究 5
2.2. 高齡者生活品質維護系統相關研究 6
2.3. 叢集(CLUSTERING)方法相關研究 7
2.3.1. 分割式叢集方法(Partition clustering Method) 7
2.3.2. 階層式叢集方法(Hierarchical clustering Method) 9
2.3.3. 密度式叢集(Density based Clustering) 9
2.3.4. 解釋叢集結果 10
2.4. 分類(CLASSIFICATION)方法相關研究 10
第三章 以非侵入式感應器推估高齡者健康狀態 13
3.1. 問題與架構 13
3.2. 資料準備 15
3.3. 感應器特徵萃取 17
3.4. 高齡者行為模式特徵萃取 19
3.5. 推估高齡者行為變化與健康狀態變化 20
第四章 個案探討 22
4.1. 實驗環境介紹 22
4.2. 高齡者失效狀態監測以及推估 24
4.2.1. 感應器特徵萃取以及行為模式特徵萃取 24
4.2.2. 推估老人健康狀態 30
4.3. 高齡者日常活動監測 36
4.3.1. 感應器特徵萃取以及行為模式特徵萃取 36
4.3.2. 推估老人行為的變化 40
第五章 結論 43
5.1. 研究貢獻 43
5.2. 後續研究與建議 44
參考文獻 45
附錄 49
附錄說明 49
高齡者本日行為活動紀錄問卷 50
老人失效狀態紀錄表 51
感應器特徵萃取結果 52
高齡者行為模式特徵萃取 57
實驗對象A行為模式變化推估結果 59
實驗對象B行為模式變化推估結果 63
實驗對象A健康狀態與行為模式變化推估結果 70
[1] A. Kawarada, T. Tesuyuki, T. Akira, S. Kazuo, L. Asayuki , T. Toghiyo, T. Tatsuo and Y. Kenichi, “Evaluation of automated health monitoring system at the welfare techno. house”, Proceeding of the 20th Annual International Conference of IEEE Engineering in Medicine and Biology Society, Vol. 4, 1998, pp.1984-1987.
[2] L. Masa, “Monitoring of Electrocardiograms in bed without utilizing body surface electrodes”, IEEE transaction on biomedical engineering, Vol. 40, No 6, Jun. 1993, pp. 593-594.
[3] P. Korpipaa, M. Koskinen, J. Peltola, S. Makela and T. Seppanen, “Bayesian approach to sensor-based context awareness”, Personal and Ubiquitous Computing, Vol 7, Issue 2, 2003, pp.113 — 124.
[4] K. Laerhoven and O. Cakmakci, “What Shall We Teach Our Pants?”, Proceedings Fourth International Symposium on Wearable Computers, 2000, pp. 77-83.
[5] Peter A. Stegmaier-Stracca and Nadine N. Tschichold-Gurman, “Cough detection using fuzzy classification”, Proceedings of the 1995 ACM symposium on Applied computing, 1995, pp.440-444.
[6] L. Goodwin and S. Maher, “Data mining for preterm birth prediction”, Proceedings of the 2000 ACM symposium on Applied computing, 2000, pp46-51.
[7] A. Madabhushi and J. Aggarwal, “A Bayesian approach to human activity recognition”, Proceedings Second IEEE Workshop on Visual Surveillance, 1999, pp.25-32.
[8] H. Frigui, R. Krishnapuram, “A Robust Competitive Clustering Algorithm with Applications in Computer Vision”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol 21, Issue: 5, May 1999, pp. 450-465.
[9] J. Han, M. Kamber, “Data Mining: Concepts and Techniques”, 1st edition, Morgan Kaufmann Publishers, August 2000.
[10] J. Mcqueen, “Some methods for classifi-cation and analysis of multivariate observations”, Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 1967, pp. 281—297.
[11] L. Kaufman and P. J. Rousseeuw., “Finding Groups in Data: an Introduction to Cluster Analysis”, John Wiley & Sons, 1990.
[12] E. Diday, “The dynamic cluster method in non-hierarchical clustering”, J. Comput. Inf. Sci. 2, 1973, pp. 61-88.
[13] F. Murtagh, “A survey of recent advances in hierarchical clustering algorithms which use cluster centers”, Comput. J. 26, 1984, pp. 354—359.
[14] J. Grabmeier and A. Rudolph, “Techniques of Cluster Algorithms in Data Mining”, Data Mining and Knowledge Discovery, 2002, pp.303-349.
[15] P.H.A. Sneath, R.R. Sokal, “Numerical Taxonomy”, Freeman, 1973 London, UK.
[16] B. King, “Step-wise clustering procedures”. J. Am. Stat. Assoc. 69, 1967, pp. 86—101.
[17] J.H.Jr. Ward, “Hierarchical grouping to optimize an objective function”, J. Am. Stat.Assoc. 58, 1963, pp. 236—244.
[18] O. Nasraoui, R. Krishnapuram, A. Joshi, “Relational Clustering Based on a New Robust Estimator with Application to Web Mining”, Proc.Intl.Conf. North American Fuzzy Info. Proc. Society (NAFIPS 99), New York, June 1999.
[19] M. Dash, H. Liu, “’1+1>2’: Merging Distance and Density Based Clustering”, DASFAA 2001, 2001, pp.32-39.
[20] Michael J. A. Berry, Gordon S. Linoff, “Mastering Data Mining: The Art and Science of Customer Relationship Management”, 1st edition, John Wiley & Sons, December 17, 1999, pp.103-110.
[21] Corinne Baragoin, Christian M. Andersoen, Stephan Bayerl, Graham Bent, Jieun Lee and Christoph Schommer, Mining Your Own Business in Retail Using DB2 Intelligent Miner for Data, August 2001, pp. 74-76.
[22] Ian H. Witten ,Eide Frank, “Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations”, 1st edition, Morgan Kaufmann, October 11, 1999, pp.77-227.
[23] 王正一,“疾病概論”,臨床工程概論大綱,教育部醫學工程科技教育改進計畫,1999年。
[24] 鄭智銘、徐業良,“建立高齡者生活品質之智慧型維護系統”,工業工程雜誌,Vol.2,No.2,2002年12月,pp.20~26。
[25] 賴金蓮,“臺北市老人保護服務之執行評估研究”,國立中興大學公共政策研究所碩士論文,1998。
[26] 陳正生,“社區老人憂鬱疾患之身體狀況”,高雄醫學大學行為科學研究所碩士論文,2000。
[27] 黃麗玲,“社區獨居老人身體、心理及社會功能之探討”,高雄醫學大學護理學研究所碩士論文,2000。
[28] 韓佩軒,“影響居家失能老人家庭照護品質相關因素探討”,國立台灣大學護理學研究所碩士論文,2000。
[29] 游麗裡,“台灣地區小型養護機構服務品質之探討”,國立中正大學社會福利系碩士論文,2000。
[30] 簡齊,“老人長期照護服務使用之長期追蹤研究”,國立台灣大學衛生政策與管理研究所碩士論文,1999。
[31] 曾建寧,“關節活動護理方案對改善機構中風臥床老人關節柔軟性的成效”,國立陽明大學臨床護理研究所碩士論文,1998。
[32] 趙峻鬱,“老年人不同高度下階梯動作之肌電圖分析”,中國文化大學運動教練研究所碩士論文,1998。
[33] 陳宜如,“我國老人照護機構監督管理相關法制之研究”,國立中正大學法律學研究所碩士論文,2000。
[34] 劉愛嘉,“老年的社會建構與老人照護困境之探討”,國立中正大學心理學研究所碩士論文,2000。
[35] 鍾月梅,“英國照護管理模式之研究_以三個老人社區照護計劃為例”,暨南國際大學社會政策與社會工作學系碩士論文,1998。
[36] 蕭自宏,“智慧型自動化步行復健輔助系統”,國立中正大學電機工程研究所碩士論文,2000。
[37] 吳宏基、蔣以仁、陳瑞杰,“以資料探勘技術探討外傷重大傷病之有效期限評估研究”,MIST 2002 國際醫學資訊研討會,2002,pp.65-69。
[38] 王祥安、黃申在,“資料探勘在全民健保學術研究資料庫之探討─以重大傷病為例”,MIST 2001 國際醫學資訊研討會,2001,pp.70-74。
[39] 連麗華、劉致和、江琇琴、張維容、劉立,“合理門診量與藥價基準之因應─知識發現與行為回饋系統”,MIST 2001 國際醫學資訊研討會,2001,pp.66-69。
[40] 張耀聲,”應用模糊理論建立高齡者活動力指標監控系統”,元智大學,碩士論文,民國91年。
[41] 鄭智銘,”睡眠監測與評估系統”,元智大學,碩士論文,民國90年。
[42] 王恩琦,”高齡者生活品質智慧型維護系統-資料載入與展示程式之自動維護機制”,元智大學,碩士論文,民國90年。
[43] 施佑達,”資料倉儲資料載入清理與應用之研究-以高齡者生活品質智慧型維護系統為例”,元智大學,碩士論文,民國91年。
[44] 許哲榮、林志麟,“以非侵入式感應器推估老人健康狀況”,2004智慧型資訊系統研討會暨第一屆演化式計算應用研討會,2004年五月,pp.31。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔