Учёные Муромского института Владимирского государственного университета (МИ ВлГУ) повысили устойчивость умных часов к помехам при отслеживании двигательной активности. Об этом ТАСС сообщил доктор технических наук, доцент, заведующий кафедрой управления и контроля в технических системах МИ ВлГУ Николай Дорофеев.
Фитнес-браслеты, умные часы и смартфоны позволяют непрерывно следить за активностью и корректировать тренировки. Однако при длительной эксплуатации данные нередко искажаются из-за шумов и пропусков отсчётов — например, из-за разряда батареи или потери связи. Существующие методы не способны одновременно устранить обе проблемы.
По словам Дорофеева, исследователи планируют повысить устойчивость алгоритмов к искажённым входным данным. Внедрение результатов возможно только после клинических испытаний — в этом случае пилотное приложение в идеале может выйти на смартфоны через три-четыре года. Исследование поддержано Российским научным фондом.
Что предложили учёные
Специалисты разработали гибридную архитектуру из трёх видов нейросетей — RNN, CNN и графовых. Она повысит устойчивость данных и точность классификации движений. Благодаря дообучению моделей оценка отклонений станет адаптивной, а гаджеты лучше подстроятся под конкретного пользователя.
Дорофеев отметил, что аналоги за рубежом и в России есть, но они лишь частично решают проблему зашумлённости и пропусков — полных решений по отбраковке некорректных данных пока не найдено. Проект рассчитан на два года с апробацией на базе ЧУЗ «Клиническая больница „РЖД-Медицина“» в Муроме, а более широкое внедрение в носимые устройства возможно через пару лет после завершения исследований.
По словам руководителя проекта, разработанный метод наиболее устойчив при анализе циклических движений — ходьбы, бега, подъёма и спуска по лестнице. Бытовые действия, например взять кружку или открыть дверь, намеренно исключаются из анализа. Проблемными остаются очень медленные или фрагментированные движения — например, у пациентов с выраженными нарушениями моторики; для таких случаев планируют разработать отдельные алгоритмы. Дорофеев подчеркнул, что задача — не идеальное распознавание всего, а повышение устойчивости там, где существующие методы теряют работоспособность, и создание инструмента диагностики, работающего в фоновом режиме.