无线运动跟踪系统可以收集健康和行为数据

我们生活在一个无线信号的世界里，在我们周围流动，从我们的身体里跳出来。麻省理工学院的研究人员正在利用这些信号反射为科学家和护理人员提供关于人们行为和健康的有价值的见解。

这个被称为马科的系统向环境发送低功率射频信号。如果信号从运动的人体反弹回来，信号会回到系统，并做出一些改变。然后，新算法分析这些变化的反射，并将它们与特定的个体相关联。

然后，系统跟踪每个人围绕数字平面图的移动。将这些运动模式与其他数据进行匹配可以提供关于人们如何相互作用以及环境的见解。

在本周于计算系统的人因会议上发表的一篇论文中，研究人员描述了该系统及其在六个地点的实际使用情况：两个辅助生活设施、三套公寓和一个有四名居民的联排别墅。案例研究证明，该系统只能根据无线信号区分个体，并揭示了一些有用的行为模式。

在一个辅助生活设施中，在患者家属和护理人员的允许下，研究人员对痴呆患者进行了监测，这些患者经常因为未知的原因而焦躁不安。一个多月后，他们测量了患者在单位区域之间增加的起搏——这是一种已知的兴奋迹象。通过将增加的起搏与访视记录进行匹配，他们确定患者在家庭访视后的几天内更加兴奋。研究人员表示，这表明Marko可以提供一种新的被动方式来跟踪患者在家中的功能健康状况。

“这些都是我们通过数据发现的有趣的东西，”第一作者、计算机科学与人工智能实验室(CSAIL)博士生陈玉宇说。“我们生活在无线信号的海洋中，我们移动和走动的方式改变了这些反射。我们开发了一个系统来倾听这些反射.更好地了解人们的行为和健康。”

这项研究由电气工程和计算机科学教授、麻省理工学院无线网络和移动计算中心(Wireless @ MIT)主任Dina Katabi、Andrew和Erna Viterbi领导。加入Katabi和Hsu的还有CSAIL研究生赵明敏和李光和以及校友瘤胃Hristov SM '16。

预测“跟踪”和身份

当部署在家里时，马科会发射射频信号。当信号反弹时，它会创建一个切割成垂直和水平“帧”的热图，以指示人们在三维空间中的位置。人在地图上显示为亮点。竖框捕捉人的身高和构造，横框决定人的大致位置。当一个人行走时，系统会分析射频帧——大约每秒30帧——以生成短轨迹，称为轨迹。

卷积神经网络——一种常用于图像处理的机器学习模型——使用这些跟踪来分离一些个体的反射。对于它感应到的每个人，系统将创建两个“过滤面具”，它们是围绕个人的小圆圈。这些口罩基本上过滤掉了除圆圈以外的所有信号，圆圈锁定了个体在移动时的轨迹和高度。综合所有这些信息——海拔、建筑和移动性——网络将特定的射频反射与特定的个体联系起来。

但是要将身份标记为匿名blob，系统必须首先“训练”。几天后，这个人戴上低功率加速计传感器，可以用来标记反射的无线电信号和他们各自的身份。在训练中部署时，Marko首先生成用户的轨迹，就像在实践中一样。然后，该算法将一些加速度特征与运动特征相关联。例如，当用户行走时，加速度会逐渐振荡，但当它们停止时，就会变成柔性扁平电缆。该算法找到加速度数据与轨迹的最佳匹配，并用用户标识标记轨迹。通过这样做，马科知道哪些反射信号与特定身份有关。

传感器永远不需要充电，个人训练后也不需要再次佩戴。在家庭部署中，Marko可以在新家里标记个人身份，准确率在85%到95%之间。

获得良好的平衡(数据收集)

研究人员希望医疗机构可以利用Marko被动监测，比如患者如何与家人和照顾者互动，患者是否按时接受药物治疗。例如，在辅助生活设施中，研究人员注意到护士会去病房的药柜，然后在特定的时间去病人的床上。这表明护士在特定的时间给病人用药。

该系统还可以取代心理学家或行为科学家目前使用的问卷和日记，以获取受试者的家庭动态、日常时间表或睡眠模式以及其他行为的数据。那些传统的记录方法可能不准确，有偏见，不适合长期研究，人们可能不得不回忆几天或几周前做了什么。一些研究人员已经开始为人们配备可穿戴传感器来监控运动和生物识别。但老年患者尤其经常忘记佩戴或充电。“这里的动机是为研究人员设计更好的工具，”徐说。

为什么不装个摄像头？对于初学者来说，这需要有人观察并手动记录所有必要的信息。另一方面，Marko会自动将行为模式(如运动、睡眠和互动)标记到特定的区域、日期和时间。

此外，视频只是更具攻击性，徐补充道：“大多数人不习惯一直拍摄，尤其是在自己家里。使用无线电信号来完成所有这些工作在一定程度上是有帮助的。

助之间取得了很好的平衡。信息，但不会让人感到不舒服。“

Katabi和她的学生还计划将Marko与他们之前关于从周围无线电信号推断呼吸和心率的工作结合起来。然后Marko将用于将这些生物识别与相应的个体相关联。它还可以跟踪人们的步行速度，这是老年患者功能健康的良好指标。