Detectores de caídas para teléfonos inteligentes basados en algoritmos de detección de novedad

Zusammenfassung

Las caídas son un importante problema de salud pública y su detección temprana un tema de investigación abierto. El objetivo concreto de esta tesis es implementar un detector de caídas mediante algoritmos de detección de novedad en teléfonos inteligentes de gama media. Estos algoritmos, que modelan el comportamiento normal, pueden ser adecuados por: 1) Mientras que apenas hay datos fiables de caídas reales, sí que pueden recogerse datos verdaderos de las actividades de la vida diaria, tantos como se desee; 2) cuando una nueva persona lleva el móvil es posible recoger sus datos y re-entrenar el sistema, adaptándose a las diferencias con respecto a un sistema genérico, tales como tipos de movimientos o lugar en que se lleva el móvil. Diez voluntarios realizaron caídas simuladas y llevaron el móvil en su vida diaria. Con estos datos, se han comparando varios detectores de novedad que constituyen el estado del arte de la técnica, siendo el vecino más cercano (NN) el más adecuado. Después se ha comparado con un clasificador tradicional, una máquina de vectores soporte (SVM). Como principales conclusiones, podemos destacar que SVM resulta tener mejores prestaciones en una comparación estándar o si se enfrenta a un tipo de caída diferente. Sin embargo, si el móvil se lleva en un sitio distinto (bolsillo-bolso) o se personaliza, NN puede igualar o incluso superar a SVM. Se ha desarrollado una aplicación móvil como prueba de concepto, comprobando su funcionamiento correcto.