ترجمه فارسی مقاله امکان سنجی ارزیابی اختلالات شناختی از طریق شبکه دوربین توزیع شده و محاسبات لبه حفظ حریم خصوصی

چکیده

INTRODUCTION: Mild cognitive impairment (MCI) is characterized by a decline in cognitive functions beyond typical age and education-related expectations. Since, MCI has been linked to reduced social interactions and increased aimless movements, we aimed to automate the capture of these behaviors to enhance longitudinal monitoring. METHODS: Using a privacy-preserving distributed camera network, we collected movement and social interaction data from groups of individuals with MCI undergoing therapy within a 1700$m^2$ space. We developed movement and social interaction features, which were then used to train a series of machine learning algorithms to distinguish between higher and lower cognitive functioning MCI groups. RESULTS: A Wilcoxon rank-sum test revealed statistically significant differences between high and low-functioning cohorts in features such as linear path length, walking speed, change in direction while walking, entropy of velocity and direction change, and number of group formations in the indoor space. Despite lacking individual identifiers to associate with specific levels of MCI, a machine learning approach using the most significant features provided a 71% accuracy. DISCUSSION: We provide evidence to show that a privacy-preserving low-cost camera network using edge computing framework has the potential to distinguish between different levels of cognitive impairment from the movements and social interactions captured during group activities.

چکیده به فارسی (ترجمه ماشینی)

مقدمه: اختلال خفیف شناختی (MCI) با کاهش عملکردهای شناختی فراتر از سن معمولی و انتظارات مربوط به آموزش مشخص می شود.از آنجا که ، MCI با کاهش تعاملات اجتماعی و افزایش حرکات بی هدف در ارتباط بوده است ، ما هدف ما اتوماسیون ضبط این رفتارها برای تقویت نظارت طولی است.مواد و روش ها: با استفاده از یک شبکه دوربین توزیع شده حریم خصوصی ، ما داده های حرکت و تعامل اجتماعی را از گروه های افراد مبتلا به MCI تحت درمان با یک فضای 1700 $ m^2 $ جمع آوری کردیم.ما ویژگی های حرکتی و تعامل اجتماعی را توسعه دادیم ، که سپس برای آموزش یک سری الگوریتم های یادگیری ماشین مورد استفاده قرار گرفت تا بین گروه های MCI عملکرد شناختی بالاتر و پایین تفاوت قائل شود.يافته ها: يك آزمون يك رتبه Wilcoxon تفاوت آماري را از نظر آماري بين گروه هاي با كارآمد و كم در ویژگی هاي مانند طول مسیر خطي ، سرعت راه رفتن ، تغییر در جهت هنگام راه رفتن ، آنتروپی سرعت و تغییر جهت و تعداد تشكيلات گروهي در آن نشان داد.فضای داخلیعلیرغم نداشتن شناسه های فردی برای ارتباط با سطوح خاص MCI ، یک رویکرد یادگیری ماشین با استفاده از مهمترین ویژگی ها دقت 71 ٪ را ارائه می دهد.بحث و گفتگو: ما شواهدی ارائه می دهیم تا نشان دهیم که یک شبکه دوربین کم هزینه حفظ حریم خصوصی با استفاده از چارچوب محاسبات Edge پتانسیل تمایز بین سطوح مختلف اختلال شناختی را از حرکات و تعاملات اجتماعی ضبط شده در طول فعالیت های گروهی دارد.