(3.231.29.122) 您好!臺灣時間:2021/02/25 16:47
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:李佑生
研究生(外文):LEE,YU-SHENG
論文名稱:高齡者居家照護行走紀錄—應用自適應共振理論網路
論文名稱(外文):Home Care Monitoring on Senior Citizens through Movement Recording- Application of Adaptive Resonance Theory
指導教授:賀增原賀增原引用關係
指導教授(外文):HEH, TZENG-YUAN
口試委員:楊智斌周慧瑜
口試委員(外文):YANG, JYH-BINCHOU, HUI-YU
口試日期:2017-12-11
學位類別:碩士
校院名稱:國防大學
系所名稱:運籌管理學系
學門:商業及管理學門
學類:行銷與流通學類
論文種類:學術論文
論文出版年:2017
畢業學年度:106
語文別:中文
論文頁數:81
中文關鍵詞:福祉科技步態紀錄自適應共振理論網路Kinect v2
外文關鍵詞:GerontechnologyGait recordAdaptive Resonance Theory, ARTKinect v2
相關次數:
  • 被引用被引用:0
  • 點閱點閱:151
  • 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:37
  • 收藏至我的研究室書目清單書目收藏:1
在21世紀,許多國家的人口都有逐漸邁向高齡化社會的趨勢,臺灣亦不例外。高齡化也產生了許多需要面對並解決的議題,如龐大的照護需求與有限的照護資源,兩者間形成極大落差。為了緩和高齡化的衝擊,學界與產業界均提出解決方案。如期望結合人文與科技,協助高齡者健康、安全生活的福祉科技。
本研究依循福祉科技的精神,提出高齡者居家照護行走紀錄之機制。過去照護專業人員對高齡者健康狀況之了解、照護資源投入之評估,多需透過訪視。其過程如交通、訪談,無可避免的消耗大量的時間。藉由此機制紀錄高齡者居家活動,並透過自適應共振理論網路對其步態分類,於高齡者健康狀態變化時反映。提供照護專業人員判斷高齡者健康之參考依據。藉由降低照護資源訪視、提高照護資源投入精準度,使有限的照護資源能發揮最大效益。

In the 21st century an ageing society has emerged in many countries and Taiwan is no exception. But the ageing population also gives rise to a variety of issues that people need to face and resolve. For instance, there is an extremely large gap between care demands and the resources available, which are limited. In order to lessen the burden of the ageing population, solutions such as combining humanity, technology and Gerontechnology that can assist the elderly to live a healthy and safe life have been brought forward by both academics industries.

This study follows the spirit of Gerontechnology, and proposes a mechanism to record the needs of the elderly for home care. In the past, professional caregivers generally had to visit the elderly to understand their physical conditions and then assess in which care resources to invest. During the visit, it was inevitable that a large amount of time be wasted through traveling to and from the interview. Through the proposed mechanism, the activities of the elderly at home can be recorded. Furthermore, according to the classification of the Adaptive Resonance Theory (ART) for senile gait, when the elderly physical conditions change, caregivers can reference on the mechanism and respond in order to determine their health status. By reducing the care visiting and interview time and increasing the level of precision of the care resources offered, such limited care resources can be fully utilized resulting in significant benefits.

誌謝 ...................................................................................................................... i
摘要 .................................................................................................................... iii
Abstract .............................................................................................................. iv
目錄 ..................................................................................................................... v
表目錄 .............................................................................................................. viii
圖目錄 ................................................................................................................. x

第一章 緒論 ................................................................................................... 1
1.1 研究背景 ............................................................................................... 1
1.2 研究動機 ............................................................................................... 4
1.3 研究目的 ............................................................................................... 6
1.4 研究範圍 ............................................................................................... 7
1.5 研究流程 ............................................................................................... 7

第二章 文獻探討 ........................................................................................... 9
2.1 福祉科技 ............................................................................................... 9
2.1.1 健康紀錄指標 .......................................................................... 9
2.1.2 健康紀錄機制 ........................................................................ 11
2.2 自適應共振理論網路 ......................................................................... 14
2.2.1 機器學習之類別 .................................................................... 14
2.2.2 機器學習之適性 .................................................................... 15
2.3 文獻小結 ............................................................................................. 18

第三章 研究方法 ......................................................................................... 19
3.1 研究假說 ............................................................................................. 19
3.2 研究架構 ............................................................................................. 19
3.3 研究設備 ............................................................................................. 20
3.3.1 市售WebCAM ..................................................................... 20
3.3.2 INTEL Realsense ................................................................... 21
3.3.3 ASUS Xtion Pro Live ............................................................. 21
3.3.4 Microsoft Kinect v1 ............................................................... 21
3.3.5 Microsoft Kinect v2 ............................................................... 22
3.4 實驗設計 ............................................................................................. 26
3.4.1 設備信度驗證 ........................................................................ 26
3.4.2 設備效度驗證 ........................................................................ 27
3.4.3 實驗環境規劃 ........................................................................ 27
3.4.4 資料編碼說明 ........................................................................ 27
3.5 分類方法 ............................................................................................. 30
3.4.1 操作步驟 ................................................................................ 30
3.4.2 演算簡介 ................................................................................ 31
3.4.3 自適應共振理論網路實現 ................................................... 32
3.6 取樣方法 ............................................................................................. 35
3.7 研究限制 ............................................................................................. 36

第四章 資料分析結果 ................................................................................. 37
4.1 偵測人體特徵機制 ............................................................................. 37
4.2 分類數據轉碼機制 ............................................................................. 37
4.2.1 步行資料取得 ........................................................................ 37
4.2.2 步行資料編碼 ........................................................................ 40
4.3 自適應共振理論網路機制 ................................................................. 45
4.3.1 警戒值設定0.1~0.6 .............................................................. 47
4.3.2 警戒值設定1 ......................................................................... 47
4.3.3 警戒值設定0.7~0.9 .............................................................. 47
4.4 驗證資料分析 ..................................................................................... 47

第五章 結論與建議 ..................................................................................... 51
5.1 研究結論 ............................................................................................. 51
5.2 研究貢獻 ............................................................................................. 52
5.2.1 學術貢獻 ................................................................................ 52
5.2.2 實務貢獻 ................................................................................ 53
5.3 研究限制 ............................................................................................. 53
5.4 未來展望 ............................................................................................. 53
5.4.1 軟硬體科際整合 .................................................................... 53
5.4.2 樣本多元 ................................................................................ 54
5.4.3 其他裝置整合 ........................................................................ 54
5.4.4 其他特徵採用 ........................................................................ 54
5.4.5 使用者行為 ............................................................................ 55
5.4.6 其他領域應用 ........................................................................ 55

參考文獻 ........................................................................................................... 56
一、中文部份 ........................................................................................... 56
二、外文部份 ........................................................................................... 58

附錄A ................................................................................................................. 1
附錄B ................................................................................................................. 2
附錄C ................................................................................................................. 8
附錄D ................................................................................................................. 9
一、中文部份
中華民國統計資訊網 (2009)。http://www.stat.gov.tw/mp.asp?mp=4。
內政部 (2015) 。統計處簡介- 內政部統計處網站。
http://www.moi.gov.tw/stat/chart.aspx。
王順民、黃明發 (2012)。關於長期照顧機構管理約制的若干芻議。
http://www.npf.org.tw/3/10760。
王慶堯、陳彥宇、何志良 (2011)。以OSGi 開放式服務軟體架構為基礎
之行動化健康監測服務平台。電腦與通訊,137 期,51-58 頁。
李恆儒、徐瑋勵、楊秉祥編譯 (2011)。生物力學—臨床與研究的應用
(Richards, J)。臺北: 臺灣愛思唯爾。(2011)
李棟洲、武俊傑 (2015)。老年步態障礙。臺灣老年醫學暨老年學雜誌,
10 卷1 期,1-15 頁。
行政院經濟建設委員會人力規劃處 (2010)。2010 年至2060 年臺灣人口
推計。
林劍、雷英杰 (2009)。基於直覺模糊ART 神經網路的群事件檢測方法。
計算機應用,29 卷,1 期,130-142 頁。
姜秀卿、陳文欽、劉立、洪仲箴 (2006)。以安全為導向之長期照護資訊
系統。長期照護雜誌,10 卷1 期,1-9 頁。
胡月娟、李復惠、林麗鳳、洪芸櫻、杜玲、呂淑華、陳鳳櫻、邱淑玲、
鐘淑英、蘇以青、嚴毋過 (2014)。照顧服務員訓練指引,臺北:華
杏。
徐淑芬、陳五洲 (2006)。老年人健康與步行-足底壓力之探討。大專體
育,84 期,169-176 頁。
徐業良 (2014)。老人福祉科技產業的機會與挑戰。福祉科技與服務管理
學刊,2 卷1 期,83-90 頁。
張博論、郭明娟、崔妍妍 (2016)。整合長期照護整合評估與行動健康科
技之老人暨全員活躍參與之智慧行動雲端支持模式之建置。福祉科
技與服務管理學刊,4 卷1 期,43-47 頁。
陳志宏、嚴壯志、劉書朋(2006)。基於模糊自我調整共振網路簡化模型方
法的乳腺腫瘤基因分類。上海大學學報(自然科學版),2006 年04,
354-358 頁。
陳燕禎 (2011)。傳統輪椅使用障礙分析與對「i 輪椅」功能期待之研究。
國家與社會,10 期,109-161 頁。
陳燕禎、林義學 (2014)。高齡者跌倒成因與友善生活環境:一個質性研
究的發現。輔仁社會研究,4 期,43-83 頁。
黃信夫、張晉瑞 (2016)。符合中高齡者生活型態之最適穿戴式產品功能
需求調查。輔仁大學藝術學報,5 期,89-111 頁。
新竹市長期照顧管理中心 (2016) 。
http://www.hcchb.gov.tw/hltc/newhltc/about_1.php。
詹文祥、邱文信 (2011)。老化現象對步態之影響。中華體育季刊,25 卷
4 期, 677-685 頁。
詹益宗 (2012)。肢體活動及退化分析系統 (未出版碩士論文)。桃園縣:
中原大學(2012 年)。
劉超群 (2012)。KINECT 體感程式探索-使用C#,臺北:松崗資產管理
股份有限公司。5-10 頁。
衛生福利部社會及家庭署 (2016) 。各項資料統計表。
http://www.sfaa.gov.tw/SFAA/Pages/Detail.aspx?nodeid=358&pid=460。
鄭國順、王婷 (2011)。橘色科技與老人科技。科學發展,18-23 頁。
羅家倫、胡雅涵、吳帆 (2013)。以全人觀點設計一個機構式老人照護資
訊管理系統。醫療資訊雜誌,22 卷2 期,15-34 頁。
蘇木春、張孝德 (2012)。機器學習:類神經網路、模糊系統以及基因演
算法則,臺北: 全華圖書股份有限公司。4-10 頁。
顧馨文 (2016) 。借鏡日本- 智慧科技走入居家式照護。
http://www.chinatimes.com/newspapers/20160126000336-260207。

二、外文部份
Cai, X., Han, G., Song, X., & Wang, J. (2017). Single-Camera-Based Method
for Step Length Symmetry Measurement in Unconstrained Elderly
Home Monitoring. IEEE Transactions on Biomedical Engineering.
Carpenter, G. A., & Grossberg, S. (1988). The ART of adaptive pattern
recognition by a self-organizing neural network. Computer, 21(3),
77-88.
Grossberg, S. (2013). Adaptive Resonance Theory: How a brain learns to
consciously attend, learn, and recognize a changing world. Neural
Networks, 37, 1-47.
Hung, Y.-X., Chiang, C.-Y., Hsu, S. J., & Chan, C.-T. (2010). Abnormality
detection for improving elder’s daily life independent. Paper presented
at the International Conference on Smart Homes and Health Telematics.
Liu, L., & Mehrotra, S. (2016). Patient walk detection in hospital room using
Microsoft Kinect V2. Paper presented at the Engineering in Medicine
and Biology Society (EMBC), 2016 IEEE 38th Annual International
Conference of the.
Fariman, H. J., Ahmad, S. A., Marhaban, M. H., Ghasab, M. A., & Chappell,
P. H. (2016). Hand movements classification for myoelectric control
system using adaptive resonance theory. Australasian Physical &
Engineering Sciences in Medicine, 39(1), 85-102.
Microsoft. (2017a). Kinect Hardware .Retrieved from
https://developer.microsoft.com/zh-tw/windows/kinect/hardware
Microsoft. (2017b). for Windows 10 downloads. Retrieved from
https://developer.microsoft.com/zh-tw/windows/downloads
Nayak, T., Dash, T., Rao, D. C., & Sahu, P. K. (2016). Evolutionary Neural
Networks versus Adaptive Resonance Theory Net for Breast Cancer
Diagnosis. Paper presented at the Proceedings of the International
Conference on Informatics and Analytics.
Schmitter-Edgecombe, M., Seelye, A., & Cook, D. J. (2013). Technologies for
health assessment, promotion, and assistance: Focus on
gerontechnology Positive Neuropsychology (pp. 143-160): Springer.
Vangos. (2014). Kinect for Windows version 2: Body tracking. Retrieved
from
http://pterneas.com/2014/03/13/kinect-for-windows-version-2-body-tracking/
WHO. (2016). WHO World report on ageing and health. Retrieved from
http://www.who.int/ageing/events/world-report-2015-launch/en/
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