AI跌倒風險預測

在科技部多年期計畫以及合作醫院院內計畫(目前包含亞東醫院，署立桃園醫院，台中榮民總醫院，署立台中醫院)的經費支持下，並與香港城市大學Centre for System Informatics Engineering (CSIE)進行國際合作，本研究將開發創新跌倒風險預測系統，此系統具有以下3大特性，預期會改善目前之跌倒風險預測系統之準確性。

1. 同時考慮加速規與旋轉角數據
2. 同時考慮慣性感測器數據與影像資訊
3. 同時考慮機器學習與深度學習(deep learning)

本計畫將以慣性感測器蒐集起走測試之加速度與旋轉角之時間序列數據，計算指標特徵值，並運用深度學習技術學習起走測試之跌倒風險特徵值，包括深度學習卷積神經網路架構參數設定、卷積層參數設計與訓練、實驗不同組合數據，找出較具有鑑別力之特徵值指標。也同時會運用深度學習技術學習起走測試之影像資訊。