تشخیص رفتارهای غیرعادی در بیماران زوال عقل و بررسی علائم اولیه آن در خانه هوشمند

مقدمه: تعداد افراد سالمندی که نیاز به کمک در رفتارهای روزمره خود دارند به سرعت در حال افزایش است. بیماری زوال عقل یکی از مهم ترین علل ناتوانی در سالمندان است که شیوع آن هزینه های بسیار بالایی بر جوامع بشری تحمیل کرده است. هدف این تحقیق استفاده از فناوری خانه هوشمند برای نظارت بر رفتار سالمند، شناسایی رفتارهای غیرعادی و کشف علائم اولیه بیماری زوال عقل قبل از وقوع بیماری است. تشخیص زودهنگام بیماری زوال عقل در مراحل اولیه می تواند باعث بهبود بالا در درمان آن و منجر به تاخیر بیماری شود. روش: این مقاله از نوع کاربردی و به روش توصیفی- تحلیلی انجام شد و با استفاده از تکنیک های یادگیری ماشین، رفتار های غیرعادی و علائم اولیه بیماری زوال عقل تشخیص داده شد. برای تشخیص رفتارهای غیرعادی از الگوریتم kmedoide و برای بررسی کیفیت خواب به عنوان علائم اولیه بیماری زوال عقل، از پرسشنامه معتبر PSQI و برای پیاده سازی از نرم افزار Matlab نسخه ۲۰۱۲ استفاده شد. نتایج: نتایج در بخش رفتارهای غیرعادی نشان می دهد الگوریتم های خوشه بندی کارآیی بالایی در تشخیص رفتارهای غیرعادی در خانه هوشمند داشته و همچنین نتایج در بخش بررسی علائم اولیه منجر به تشخیص خواب ضعیف فرد سالمند در پرسشنامه PSQI به عنوان علائم اولیه بیماری زوال عقل گردید.  نتیجه­ گیری: با استفاده از فناوری سیستم تحت نظارت خانه هوشمند می توان رفتار سالمندان را تشخیص داد. رفتارهای غیرعادی آن ها را شناسایی کرد و علائم اولیه بیماری هایی نظیر زوال عقل را کشف نمود.

Keywords:

Smart Home , Machine Learning , Clustering Algorithm , Abnormal Behavior , Dementia , خانه هوشمند , یادگیری ماشین , الگوریتم خوشه بندی , تشخیص رفتار غیرعادی , بیماری زوال عقل