Специалисты Муромского института Владимирского государственного университета (МИ ВлГУ) разработали технологию, которая делает умные часы более устойчивыми к помехам при мониторинге физической активности. Ожидается, что пилотное приложение на основе этой технологии появится через три-четыре года.
Современные устройства, такие как фитнес-браслеты, умные часы и смартфоны, позволяют непрерывно отслеживать физическую активность и корректировать тренировочный процесс. Однако при длительном использовании данные могут искажаться из-за шумов и пропусков отсчетов, вызванных разрядом батареи или потерей связи. Существующие методы не могут эффективно устранить обе эти проблемы одновременно.
«Мы планируем улучшить устойчивость алгоритмов к искаженным данным. Внедрение результатов возможно только после клинических испытаний. В этом случае пилотное приложение может выйти на смартфоны примерно через три-четыре года», – сообщил доктор технических наук, доцент и заведующий кафедрой управления и контроля в технических системах МИ ВлГУ Николай Дорофеев. Он также отметил, что исследование поддержано Российским научным фондом (РНФ).
Ученые предложили использовать гибридную архитектуру, включающую три типа нейросетей. Это должно повысить устойчивость данных и точность классификации движений. Благодаря дополнительному обучению моделей оценка отклонений станет более адаптивной, что позволит гаджетам лучше подстраиваться под конкретного пользователя.
Как объяснил ученый, аналогичные решения существуют как за рубежом, так и в России, но они лишь частично решают проблему зашумленности и пропусков данных. Полных методов отбраковки некорректных данных пока не разработано. Проект рассчитан на два года и будет апробирован на базе ЧУЗ «Клиническая больница «РЖД-Медицина» в Муроме. Более широкое внедрение технологии в носимые устройства планируется через два года после завершения исследований.
Руководитель проекта отметил, что разработанный метод наиболее эффективен при анализе циклических движений, таких как ходьба, бег, подъем и спуск по лестнице. Бытовые действия, например, взятие кружки или открытие двери, специально исключаются из анализа. Проблемами остаются очень медленные или фрагментированные движения, такие как у пациентов с выраженными нарушениями моторики. Для таких случаев планируется разработка отдельных алгоритмов.
«Наша цель – не идеальное распознавание всех движений, а повышение устойчивости в условиях, где существующие методы неэффективны. Мы хотим создать инструмент диагностики, работающий в фоновом режиме», – добавил ученый.
Источник: ТАСС
распечатать статью
