تكنولوجيا الذكاء الاصطناعي تعزز أمان كبار السن: تصنيف الوضعيات باستخدام نماذج متقدمة

تعتبر حوادث السقوط لدى كبار السن من القضايا الصحية العامة الخطيرة، حيث تؤدي إلى إصابات جسيمة وتتسبب في فقدان الاستقلالية وزيادة التكاليف الصحية. في خطوة مبتكرة، قامت دراسة حديثة بتقييم فعالية نماذج حسابية متقدمة، بما في ذلك الطرق الهندسية (Geometric approach) وXGBoost وSVM، بالإضافة إلى عدة بنى عميقة (Deep Learning Architectures)، في تصنيف استخدام المشايات، سواءً في وضعية الوقوف أو الجلوس.

أظهرت النتائج أن النماذج الهندسية (Geometric) وXGBoost كانت الأفضل أداءً، حيث حقق XGBoost دقة قريبة من الكمال في المهام التصنيفية الثنائية، بلغت 99.84% في اختيار المشايات و99.69% في تصنيف الوقوف مقابل الجلوس. بينما حققت الطريقة الهندسية دقة بلغت 89.9% في تصنيف 8 وضعيات مختلفة، أما XGBoost فقد سجل دقة مذهلة بلغت 99.24% خلال تدريبها على 17 وضعية.

كما أثبتت نماذج التعلم العميق مثل الشبكة العصبية التلافيفية ذات الأربع طبقات (4-layer CNN) وشبكة Encoder-Decoder CNN أداءً قويًا في التصنيفات الثنائية، حيث تحقق دقة فوق 98%. تسلط هذه الدراسة الضوء على الإمكانات الكبيرة للتعلم الآلي في تحسين التفاعل بين الإنسان والروبوت في المشايات الذكية، لا سيما في مجال الوقاية من السقوط، مما قد يسهم في إنقاذ أرواح والحد من الاضطراب في حياة كبار السن.

ما رأيكم في هذه التقنية الحديثة؟ شاركونا في التعليقات.