基于BN-SVR的老年人跌倒预测方法

doi:10.16265/j.cnki.issn1003-3033.2019.05.002

中国安全科学学报 ›› 2019, Vol. 29 ›› Issue (5): 7-12.doi: 10.16265/j.cnki.issn1003-3033.2019.05.002

基于BN-SVR的老年人跌倒预测方法

吕子阳¹, 王勇毅¹ 教授, 高星², 马英楠² 副研究员

1 首都经济贸易大学安全与环境工程学院,北京 100070;
2 北京城市系统工程研究中心,北京 100035

收稿日期:2019-01-05 修回日期:2019-03-07
作者简介:吕子阳(1995—),男,山西沁源人,硕士研究生,研究方向为安全管理工程、安全人机工程。E-mail:1743945953@qq.com。
基金资助:
国家重点研发计划基金资助(2018YFC2001400);北京市科学技术研究院创新团队计划课题(IG201704C1);北京城市系统工程研究中心自立课题(2019C010)。

Predicative research on falls in elderly based on BN-SVR

LYU Ziyang¹, WANG Yongyi¹, GAO Xing², MA Yingnan²

1 School of Safety and Environmental Engineering, Capital University of Economics and Business, Beijing 100070, China;
2 Beijing Research Center of Urban System Engineering, Beijing 100035, China

Received:2019-01-05 Revised:2019-03-07

摘要/Abstract

摘要： 为减少老年人跌倒事件,以北京市某社区54名老年人为试验对象,开展自由步速下起立行走计时(TUG)的生物力学试验;应用贝叶斯网络(BN)完成运动学数据与跌倒概率的转化,通过支持向量回归(SVR)算法模拟预测姿态轨迹,预测特定帧位的跌倒概率。结果表明:具有显著差异性的髋关节矢状面位移可作为老年人跌倒概率的预测指标,通过对肢体数据的有监督学习,可实现下一时刻老年人跌倒概率的预测,从而可对老年人的高跌倒风险动作进行预警干预。

关键词: 老年人, 贝叶斯网络(BN), 支持向量回归(SVR), 跌倒概率, 起立行走计时(TUG)

Abstract: In order to reduce falls in the elderly, a biomechanical test of TUG at free pace was conducted with 54 elderly people from a community in Beijing; then BN was applied to complete the transformation of kinematics data and fall probability, and the predicted trajectory was simulated with SVR algorithm to predict the fall probability of a specific frame position. The results show that sagittal displacement of the hip joint which features significant difference can be used as a probability predictor for elderly falls; it is also found that through supervised learning of the limb data, predicting the fall probability at the next moment can be realized, thus making it possible to provide preventive intervention for high fall risk actions of the elderly.

Key words: elderly, Bayesian network(BN), support vector regression(SVR), fall probability, timed up and go(TUG)

中图分类号:

X956

吕子阳, 王勇毅, 高星, 马英楠. 基于BN-SVR的老年人跌倒预测方法[J]. 中国安全科学学报, 2019, 29(5): 7-12.

LYU Ziyang, WANG Yongyi, GAO Xing, MA Yingnan. Predicative research on falls in elderly based on BN-SVR[J]. China Safety Science Journal, 2019, 29(5): 7-12.

参考文献

[1] 闻瑛,董敏.老年住院患者预防跌倒依从性研究进展[J].护理与康复,2016,15(6): 541-543.
WEN Ying, DONG Min. Advances in research on prevention of falls compliance in elderly hospitalized patients [J]. Nursing and Rehabilitation,2016, 15(6): 541-543.
[2] 卫生部.老年人跌倒干预技术指南[J].中国实用乡村医生杂志,2012,19(8): 1-13.
Ministry of Health. Technical guide for falling interventions for the elderly [J]. Chinese Journal of Practical Rural Doctors,2012, 19(8): 1-13.
[3] 黄瑾,王婷婷,胡朦朦,等.老年人群预测跌倒的"起立-行走"计时测试临界值的研究[J].中华现代护理杂志,2018,24(8): 891-895.
HUANG Jin, WANG Tingting, HU Mengmeng, et al.Study on the critical value of the “timed up and go” test for the elderly population predicting fall[J]. Chinese Journal of Modern Nursing,2018,24(8): 891 -895.
[4] DITE W,TEMPLE V.A clinical test of stepping and change of direction to identify multiple falling older adults[J]. Archives of Physical Medicine and Rehabilitation,2002,83(11): 1 566-1 571.
[5] MARQUES N, SPINOSO D, CARDOSO B,et al. Is it possible to predict falls in older adults using gait kinematics [J].Clinical Biomechanics (Bristol, Avon),2018,59: 15-18.
[6] 陈长飞,白国强.贝叶斯网络在消防系统可靠性分析中的应用[J].中国安全科学学报,2018,28(6): 97-102.
CHEN Changfei, BAI Guoqiang. Application of Bayesian network in reliability analysis of fire fighting system[J]. China Safety Science Journal, 2018, 28(6): 97-102.
[7] 佟瑞鹏,张艳伟.人工智能技术在矿工不安全行为识别中的融合应用[J].中国安全科学学报,2019,29(1): 7-12.
TONG Ruipeng, ZHANG Yanwei. Fusion application of artificial intelligence technology in unsafe behavior recognition of miners[J]. China Safety Science Journal, 2019, 29(1): 7-12.
[8] GAUTSCHI O,SMOLL N,CORNIOLA M,et al.Validity and reliability of a measurement of objective functional impairment in lumbar degenerative disc disease: the timed up and go (TUG) test[J]. Neurosurgery,2016,79(2): 270-278.
[9] 韩树利,宋亚微.社区老年人跌倒的原因分析及预防[J]. 中国保健营养(中旬刊),2012 (4):591.
[10] HERMAN T, BOROVSKY N,HAUSDORFF M,et al.The dynamic gait index in healthy older adults: the role of stair climbing,fear of falling and gender [J].Gait Posture,2009,29(2): 237-241.
[11] AINSWORTH R I, RIZI A, BO D, et al.Bayesian networks predict neuronal transdifferentiation[J].G3- Genes Genomes Genetics,2018,8(7): 2 501-2 511.
[12] 瓦普尼克[美].统计学习理论[M]. 许建华,张学工,译. 北京:电子工业出版社,2015: 364-379.
WAPNIK. Statistical learning theory [M]. XU Jianhua, ZHANG Xuegong, Translated. Beijing: Publishing House of Electronics Industry,2015: 364-379.
[13] 王岩韬,赵嶷飞.基于多算法协作的航班运行风险辨识研究[J].中国安全科学学报,2018,28(6): 166-172.
WANG Yantao,ZHAO Yifei. Research on flight operation risk identification based on multi-algorithm collaboration[J]. China Safety Science Journal,2018, 28(6): 166-172.

[1]	刘富鹏, 杨九, 吴世博, 徐立新. 基于FDHHFLTS-BN的海底管道泄漏失效风险定量分析[J]. 中国安全科学学报, 2024, 34(1): 166-170.
[2]	古莹奎, 汪源金, 石昌武. 基于EWM和SVR的滚动轴承剩余使用寿命预测方法[J]. 中国安全科学学报, 2023, 33(9): 49-55.
[3]	孙逸林, 郑小强, 刘险峰, 贺艳艳, 王冶. 基于AcciMap模型的燃气管道泄漏爆炸事故分析[J]. 中国安全科学学报, 2023, 33(7): 140-146.
[4]	吴海涛, 刘月, 杜彗敏. 小样本条件下地铁运营事故致因推理模型[J]. 中国安全科学学报, 2023, 33(3): 134-140.
[5]	付姗姗, 张悦, 席永涛, 翁金贤. 多因素耦合下长江口水域交通事故致因链分析[J]. 中国安全科学学报, 2023, 33(3): 60-67.
[6]	马港, 徐晓楠, 郭小芳, 张志珍, 徐子豪. 基于贝叶斯网络的电镀企业火灾事故情景推演[J]. 中国安全科学学报, 2023, 33(2): 202-208.
[7]	张冰鉴, 苏秦, 刘海龙. 基于FTA-BN的云ERP不安全事件的人因失误分析[J]. 中国安全科学学报, 2023, 33(2): 38-47.
[8]	靳慧斌, 朱孟昌, 马明霞. 基于ACE-BN的通勤飞行事故/事件诱因分析[J]. 中国安全科学学报, 2023, 33(2): 96-102.
[9]	王金江, 关鹏婷, 陈卓, 葛伟凤, 鞠茜. 基于深度学习的检修作业过程风险智能预警[J]. 中国安全科学学报, 2023, 33(10): 16-22.
[10]	赵建伟, 谢磊, 杨洋, 胡昕源, 欧昌奎, 曾荣. 基于ISM-BN的内河船舶航行风险因素研究*[J]. 中国安全科学学报, 2022, 32(8): 37-44.
[11]	刘嘉豪, 余杨, 张振兴, 余建星, 王巍巍, 傅一钦. 二维云模型和贝叶斯网络的立管风险评估方法[J]. 中国安全科学学报, 2022, 32(5): 147-154.
[12]	鲁义, 伍江乐, 邵淑珍, 施式亮, 周荣义, 王伟. 基于贝叶斯网络的危化品道路运输事故推理模型[J]. 中国安全科学学报, 2022, 32(3): 174-182.
[13]	杨越, 马博凯, 曹宇轩. 国外空管不安全事件中的人误风险分析[J]. 中国安全科学学报, 2022, 32(12): 38-45.
[14]	吕伟, 周雯楠, 陈文涛, 韩业凡, 房志明. 暴雨灾害短视频引发舆情危机的BN研究[J]. 中国安全科学学报, 2022, 32(11): 192-199.
[15]	韩鹏, 王军, 王启, 赵嶷飞. 基于飞行剖面的航空器试飞活动空管风险研究[J]. 中国安全科学学报, 2022, 32(1): 149-156.

基于BN-SVR的老年人跌倒预测方法

Predicative research on falls in elderly based on BN-SVR

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价