haku: @keyword data-analyysi / yhteensä: 21
viite: 3 / 21
| Tekijä: | Alakörkkö, Tuomas |
| Työn nimi: | Monitoring daily behavioral patterns using mobile phone sensors and ballistocardiography for detecting mental health problems |
| Päivittäisen käyttäytymisen monitorointi käyttäen älypuhelimien sensoreita ja ballistokardiografiaa mielenterveysongelmien havaitsemiseksi | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2016 |
| Sivut: | (7) + 65 s. + liitt. 4 Kieli: eng |
| Koulu/Laitos/Osasto: | Perustieteiden korkeakoulu |
| Oppiaine: | Complex systems (SCI3060) |
| Valvoja: | Saramäki, Jari |
| Ohjaaja: | Saramäki, Jari |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201612085875 |
| Sijainti: | P1 Ark Aalto 5283 | Arkisto |
| Avainsanat: | mental health mobile phone sensors ballistocardiography behavioral patterns mielenterveys kännykkäsensorit ballistokardiografia käyttäytyminen data-analyysi |
| Tiivistelmä (fin): | Kasvava mielenterveyspotilaiden määrä on luonut tarpeen kehittää uusia potilasseurantamenetelmiä mielenterveyden hoitoon. Erilaisten huomaamattomien sensoreiden käyttö voisi osittain automatisoida potilasseurantaa. Mielenterveysongelmiin liittyvien piirteiden tunnistamista sensoridatasta voitaisiin käyttää apuna diagnoosien tekemisessä. Nykyään tavallisten älypuhelinten sensoreita voidaan käyttää ihmisen käyttäytymisen monitorointiin. Nämä sensorit mittaavat esimerkiksi kiihtyvyyttä, taustamelua, ympäristön kirkkautta ja puhelimen käyttöä. Lisäksi levosta ja unesta voidaan saada tietoa sänkyyn kiinnitettävällä ballistokardiografisella (BCG) sensorilla. Unen ja levon tiedetään vaikuttavan merkittävästi mielenterveyteen. Tämä työ käsittelee älypuhelinsensoreiden ja BCG-sensorin käyttöä ihmisen toiminnan mittaamisessa ja mielenterveysongelmien havaitsemisessa. Tutkimusdata kerättiin pilottitutkimuksessa, jossa kuudeltatoista koehenkilöltä kerättiin kännykkäsensori ja BCG-sensoridataa kuuden viikon ajan. Koehenkilöt täyttivät myös kyselyitä uneen ja mielenterveyteen liittyen. Lisäksi he pitivät ranteessaan kahden viikon ajan aktigrafia, jonka dataa verrattiin muihin sensoreihin. Työssä estimoitiin koehenkilöiden unen kestoa jokaisena yönä käyttäen BCG-sensorin dataa. Erotus estimaattien ja koehenkilöiden raportoiman nukkumisajan välillä oli keskimäärin yli tunti. Tarkan unen pituuden sijaan suosittelemme arvioimaan levon määrää, sillä sen havaitseminen datasta on huomattavasti helpompaa. Kännykkäsensoridatan analyysistä selviää, että päivärytmejä voidaan seurata monella eri sensorilla. Eri sensorit antavat lisäksi toisiaan tukevaa lisäinformaatiota koehenkilön käyttäytymisestä. Informaation lähteitä yhdistämällä voidaan kehittää tarkempia indikaattoreita mielenterveysongelmille. Jotta analyysimenetelmiä voitaisiin kehittää edelleen, tulisi jatkotutkimuksissa kerätä lisää ja parempilaatuista dataa. |
| Tiivistelmä (eng): | An increasing number of mental health problems has created the need for developing new patient monitoring methods for mental health care. The use of different type of unobtrusive sensors could partially automate patient monitoring. Detection of features from sensor data that are associated with mental disorders could be used as a tool to support the process of making diagnostic decisions. In these days, commonly used mobile phones have sensors which can be used in unobtrusive collection of data to measure human behavior. For example, these sensors can measure acceleration, ambient noise level, brightness of the environment, and mobile phone usage. Also, a ballistocardiographic (BCG) sensor attached to a bed can be used to obtain information about rest and sleep which are known to be an important factors in mental health. This thesis addresses the feasibility of using mobile phones and BCG sensors for measuring human behavior and detecting mental health problems. Sensor data was obtained from a pilot experiment where mobile phone sensors and BCG sensors were used to measure sixteen subjects for six weeks. Subjects also filled daily questionnaires related to mental health and sleep and wore an actigraph for two weeks which were used as a comparison for the passively collected data. In the analysis, sleep duration for each night was estimated from the BCG sensor data. The average difference of estimates and reported sleep duration was more than one hour. Instead of estimating sleep duration, we suggest to focus on the amount of rest which can be detected more robustly from the BCG sensor data. Analysis of the mobile phone sensor data shows that almost any of the mobile phone sensors can be used to measure the approximate daily rhythm of a subject. Moreover, different sensors can measure different aspects of the user's behavior and environment. By combing different sources of information, more accurate indicators of mental health problems could be developed. In future research, more data with better quality needs to be collected for further improvement of methods. |
| ED: | 2016-12-18 |
INSSI tietueen numero: 55178
+ lisää koriin
INSSI