Resumen de Método automático y adaptativo para la detección de anomalías en la actividad física mediante un sensor de aceleración no invasivo
- español
Durante los últimos años el número de personas mayores de 65 años ha aumentado considerablemente y se espera que en los próximos años su porcentaje actual llegue a duplicarse. Este envejecimiento progresivo supone un incremento de los costes tanto de intervención como de asistencia sanitaria. En este contexto, las tecnologías de la información y la comunicación (TIC) surgen como una buena oportunidad para el diseño de nuevos servicios de valor añadido que permitan la monitorización de personas mayores disminuyendo los costes y simultáneamente, aumentando la calidad de vida. Este tipo de soluciones promueven la autonomía y el cuidado en el hogar disminuyendo otros factores como la asistencia médica o la tasa de readmisión en hospitales. La presente tesis doctoral aborda la problemática del envejecimiento progresivo de la población aportando un nuevo método de monitorización de personas que puede ser utilizado para la detección, control y seguimiento de enfermedades. A su vez, el método propuesto permite mejorar la atención e intervención sanitaria apoyando a los cuidadores informales en su labor. Para el diseño del método se ha llevado a cabo un estudio exhaustivo de los principales requisitos que se deben cumplir para el correcto funcionamiento y la aceptación por los usuarios finales. En base a estos requisitos, el método propuesto ha sido validado en un entorno real con cuatro usuarios monitorizados durante tres meses. El método diseñado y validado en esta tesis está compuesto por tres sub-métodos independientes: método de medida del comportamiento basado en la actividad física, método de modelado para la identificación de rutinas y un método de detección de anomalías. La combinación de estos tres métodos, permite la monitorización automática y adaptativa del comportamiento de los usuarios detectando anomalías de comportamiento. El método propuesto para la medida del comportamiento se basa en la medida de la actividad física mediante un sensor de aceleración integrado de forma no invasiva en complementos vestibles. Se propone un nuevo estimador de actividad física más eficiente que los existentes hasta el momento y que puede ser implementado en cualquier dispositivo que integre un acelerómetro. Este método ha sido validado de forma individual mediante usuarios con diferentes perfiles de actividad. Mediante el procesamiento de la actividad física medida, el método de modelado propuesto identifica la rutina del usuario de forma automática y adaptativa. Al contrario que las principales aproximaciones existentes, el método propuesto no requiere de entrenamiento ni de etiquetado. La rutina es construida a partir de las propias medidas históricas y teniendo en cuenta tanto información "intra-diaria" (medidas dentro del propio día) como "inter-diaria" (medidas de los días anteriores). El método propuesto ha sido validado en un entorno real mediante la monitorización de usuarios con diferentes rutinas. La relación entre la actividad física medida y la rutina identificada es utilizada en el método de detección de anomalías para la identificación de comportamientos anómalos. El objetivo del método de detección es la identificación de medidas de actividad no esperadas según la rutina de la persona monitorizada. Mediante técnicas de lógica difusa se construye de forma adaptativa para cada instante temporal una función de valoración mediante la que se realiza la evaluación del comportamiento. La evaluación del comportamiento consiste en la puntuación de la actividad medida con un valor correspondiente a su grado de anomalía. Una etapa final de filtrado permite la personalización del método para la detección de comportamientos relevantes en función de la persona monitorizada. El método propuesto ha sido analizado en un entorno real mediante la monitorización de usuarios con diferentes perfiles y es capaz de identificar de forma automática tramos temporales de comportamiento anómalo. Los métodos propuestos han sido validados en un entorno real mediante un sensor de aceleración no invasivo integrado en un reloj con apariencia deportiva. La validación ha tenido lugar de forma individual para cada uno de los métodos y de forma global mediante la monitorización de cuatro personas mayores durante tres meses. La validación se ha realizado en base a los requisitos funcionales y no funcionales identificados: fiabilidad, invasividad, autonomía, adaptabilidad y automatismo. A su vez, se ha llevado a cabo la aplicación del método propuesto para la monitorización de un usuario con enfermedades crónicas bajo supervisión de expertos médicos. El método propuesto permite la detección automática y adaptativa de anomalías de comportamiento a partir de la medida de la actividad física. Presenta una alta tasa de precisión y sensibilidad llevando a cabo la detección mediante un sensor de aceleración de forma no invasiva y autónoma para el usuario.
- English
In recent years the number of people over 65 has increased considerably and it is expected to double in the coming years. This progressive ageing causes an increase in costs both in intervention and healthcare. In this context, information and communication technologies (ICTs) are emerging as a good opportunity for the design of new value-added services for monitoring elderly people as well as decreasing costs and increasing the quality of life. These kinds of solutions promote autonomy and home care as well as the decrease in other factors such as health care assistance or hospital readmission rate. This thesis addresses the problem of progressive ageing proposing a new method of user monitoring that can be used for the detection, control and tracking of diseases. The proposed method can further improve health care assistance and intervention supporting the informal caregivers work. This work identifies the main requirements needed to get a fully functional solution that provides a broad acceptance by end-users. The method proposed in this work has been validated in a real environment with four users monitored for three months. The method designed and validated in this thesis is composed of three separate sub-methods: an activity measurement method based on physical activity, a behaviour modelling method for identifying routines and an anomaly detection method. The combination of these methods creates a novel automatic and adaptive monitoring solution to detect anomalous human behaviour. The proposed activity measurement method is based on the measurement of physical activity using a wearable accelerometer. This method is based on a new and more efficient physical activity estimator than the existing so far. It can be implemented on any device that integrates an accelerometer. It has been validated with users with different activity profiles. By processing the measured physical activity, the proposed modelling method identifies the user routine automatically and adaptively. Unlike the main existing approaches, the proposed method requires no training or labelling. The routine is built from historical measures taking into account both "intra-daily" measures (measures within the same day) and "inter-daily" measures (measures of previous days). The proposed method has been validated in a real environment by monitoring users with different routines. The relationship between physical activity and the calculated routine is analysed in the anomaly detection method to detect anomalous behaviour. The term anomalous behaviour refers to the detection of unexpected levels of activity according to the expected user routine. A valuation function is built adaptively for each activity sample using fuzzy logic techniques. This valuation function gives each activity sample a score corresponding to the anomaly degree. The anomaly degree is calculated depending on the relationship between the routine and the measured activity. A final stage of filtering allows the customization of the method to detect only the relevant anomalous behaviour. The proposed method has been tested in a real environment by monitoring users with different profiles and it is able to identify automatically temporal sections of anomalous behaviour. The proposed methods have been validated in a real environment using a non-invasive accelerometer integrated in a device with a watch-appearance. Each of these methods has been individually validated and besides all of them have been validated as a whole by monitoring four older people for three months. The validation was based on the identified functional and non-functional requirements: reliability, invasiveness, autonomy, adaptability and automation. The proposed method has been further validated with a chronic patient under medical supervision. The proposed method automatically and adaptively detects anomalous behaviour by measuring physical activity. It has a high rate of accuracy and sensitivity and it is based on the use of a non-invasive and autonomous acceleration sensor.
