Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Mô hình hành vi của những người bị suy giảm nhận thức nhẹ hoặc bệnh Alzheimer để mô phỏng môi trường thông minh
Tóm tắt
Các môi trường thông minh có thể cải thiện tính tự lập và chất lượng cuộc sống của những người bị suy giảm nhận thức nhẹ (MCI) hoặc bệnh Alzheimer (AD) thông qua khả năng tự động cung cấp sự trợ giúp hoặc hướng dẫn. Để triển khai những hệ thống này trong nhóm dân cư này, cần thực hiện các thử nghiệm và xác nhận để nâng cao hiệu quả, đảm bảo an toàn, cải thiện trải nghiệm người dùng và giảm chi phí lắp đặt. Tuy nhiên, loại thí nghiệm này có thể khó thực hiện do việc tuyển dụng ứng viên và tiếp cận các môi trường thông minh phù hợp. Những vấn đề này có thể được giảm thiểu phần nào bằng cách sử dụng các trình mô phỏng. Những công cụ này có thể được dùng để mô phỏng hành vi của một môi trường thông minh và các cư dân của nó nhằm tạo ra dữ liệu, hoặc để quan sát và đánh giá hành vi của họ. Tuy nhiên, để thiết kế các hệ thống cho những nhóm dân số mắc MCI hoặc AD, cần thiết phải có mô phỏng có khả năng bắt chước hành vi của những người này. Trong bài báo này, hai phương pháp để mô phỏng và tạo ra các chuỗi hành động chứa lỗi thường gặp của những người mắc loại bệnh này được đề xuất. Những phương pháp này nhằm mục đích dễ sử dụng và cả hai đều dựa trên việc sử dụng cây hành vi. Phương pháp đầu tiên bao gồm việc thêm các nút vào cây hành vi để mô phỏng các lỗi với xác suất cụ thể của chúng. Phương pháp thứ hai bao gồm việc xác định một khoảng để ràng buộc số lượng lỗi có thể được chèn qua thuật toán tiêm lỗi. Chúng tôi cũng trình bày kết quả của các thí nghiệm thực hiện để đánh giá những phương pháp này. Trong thí nghiệm đầu tiên, một số mô phỏng đã được thực hiện và được ghi lại bằng video. Những video này đã được các chuyên gia về rối loạn nhận thức phân tích và chẩn đoán nhân vật trong các video này. Thí nghiệm thứ hai nhằm so sánh hai phương pháp với nhau. Để làm được điều đó, nhiều chuỗi hành động đã được tạo ra. Kết quả cho thấy mô hình của chúng tôi có khả năng tạo ra các hành vi khỏe mạnh, MCI và Alzheimer. Kết quả cũng cho thấy rằng phương pháp thứ hai tạo điều kiện thuận lợi cho việc tạo ra số lượng lỗi mong muốn.
Từ khóa
#suy giảm nhận thức nhẹ #bệnh Alzheimer #môi trường thông minh #mô phỏng hành vi #cây hành viTài liệu tham khảo
Alshammari, N., Alshammari, T., Sedky, M., Champion, J., Bauer, C.: Openshs: Open smart home simulator. Sensors 17(5), 1003 (2017)
Alshammari, T., Alshammari, N., Sedky, M., Howard, C.: Simadl: Simulated activities of daily living dataset. Data 3(2), 11 (2018)
Anderson, J.R.: Rules of the Mind. Psychology Press, Routledge (2014)
Angelucci, F., Spalletta, G., Iulio, Fd, Ciaramella, A., Salani, F., Varsi, A., Gianni, W., Sancesario, G., Caltagirone, C., Bossu, P.: Alzheimer’s disease (ad) and mild cognitive impairment (mci) patients are characterized by increased BDNF serum levels. Curr. Alzheimer Res. 7(1), 15–20 (2010)
Anvari-Moghaddam, A., Monsef, H., Rahimi-Kian, A.: Optimal smart home energy management considering energy saving and a comfortable lifestyle. IEEE Trans. Smart Grid 6(1), 324–332 (2015)
Aramendi, A.A., Weakley, A., Goenaga, A.A., Schmitter-Edgecombe, M., Cook, D.J.: Automatic assessment of functional health decline in older adults based on smart home data. J. Biomed. Inform. 81, 119–130 (2018). https://doi.org/10.1016/j.jbi.2018.03.009
Belchior, PdC, Holmes, M., Bier, N., Bottari, C., Mazer, B., Robert, A., Kaur, N.: Performance-based tools for assessing functional performance in individuals with mild cognitive impairment. Open J. Occup. Therapy 3(3), 3 (2015)
Bellagente, P., Crema, C., Depari, A., Ferrari, P., Flammini, A., Lanfranchi, G., Lenzi, G., Maddiona, M., Rinaldi, S., Sisinni, E., et al.: Remote and non-invasive monitoring of elderly in a smart city context. In: Sensors Applications Symposium (SAS), 2018 IEEE, pp. 1–6. IEEE (2018)
Blender Foundation: Blender. https://www.blender.org/ January 2018 (2016)
Botía, J.A., Campillo, P., Campuzano, F., Serrano, E.: UbikSim website. https://github.com/emilioserra/UbikSim/wiki. Accessed 1 June 2020 (2014)
Bouchard, B., Gaboury, S., Bouchard, K., Francillette, Y.: Modeling human activities using behaviour trees in smart homes. In: Proceedings of the 11th PErvasive Technologies Related to Assistive Environments Conference, pp. 67–74. ACM (2018)
Bouchard, K., Bouchard, B., Bouzouanea, A.: Practical guidelines to build smart homes: lessons learned. In: Opportunistic Networking, Smart Home, Smart City, Smart Systems, pp. 1–37. CRC Press, London (2014)
Bratman, M.: Intention, Plans, and Practical Reason, vol. 10. Harvard University Press, Cambridge, MA (1987)
Brush, A., Lee, B., Mahajan, R., Agarwal, S., Saroiu, S., Dixon, C.: Home automation in the wild: challenges and opportunities. In: Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, pp. 2115–2124. ACM (2011)
Camilleri, G.: A generic formal plan recognition theory. In: Proceedings, 1999 International Conference on Information Intelligence and Systems, pp. 540–547. IEEE (1999)
Charniak, E., Goldman, R.P.: A bayesian model of plan recognition. Artif. Intell. 64(1), 53–79 (1993)
Chen, L., Hoey, J., Nugent, C.D., Cook, D.J., Yu, Z.: Sensor-based activity recognition. IEEE Trans. Syst. Man Cybern Part C (Appl. Rev.) 42(6), 790–808 (2012)
Chen, L., Nugent, C.D., Biswas, J., Hoey, J.: Activity Recognition in Pervasive Intelligent Environments, vol. 4. Springer, New York (2011)
Chiaravalloti, N., Goverover, Y.: Changes in the Brain: Impact on Daily Life. Springer, New York (2016)
Crawford, C.: Chris Crawford on Interactive Storytelling. New Riders, Indianapolis (2012)
Dillon, C., Serrano, C.M., Castro, D., Leguizamón, P.P., Heisecke, S.L., Taragano, F.E.: Behavioral symptoms related to cognitive impairment. Neuropsychiatr. Dis. Treat. 9, 1443 (2013)
Do, H.M., Pham, M., Sheng, W., Yang, D., Liu, M.: Rish: A robot-integrated smart home for elderly care. Robot. Auton. Syst. 101, 74–92 (2018). https://doi.org/10.1016/j.robot.2017.12.008
Dubois, D., Nkambou, R., Quintal, J.F., Savard, F.: Decision-making in cognitive tutoring systems. In: Advances in Intelligent Tutoring Systems, pp. 145–179. Springer, New York (2010)
Ferber, J.: Les systèmes multi-agents: vers une intelligence collective. InterEditions, Paris (1997)
Francillette, Y., Boucher, E., Bouzouane, A., Gaboury, S.: The virtual environment for rapid prototyping of the intelligent environment. Sensors 17(11), 2562 (2017)
Franklin, S., Kelemen, A., McCauley, L.: Ida: A cognitive agent architecture. In: SMC’98 Conference Proceedings, 1998 IEEE International Conference on Systems, Man, and Cybernetics (Cat. No. 98CH36218), vol. 3, pp. 2646–2651. IEEE (1998)
Franklin, S., Patterson Jr., F.: The lida architecture: adding new modes of learning to an intelligent, autonomous, software agent. Pat 703, 764–1004 (2006)
Geib, C.W., Goldman, R.P.: Partial observability and probabilistic plan/goal recognition. In: Proceedings of the International Workshop on Modeling Other Agents from Observations (MOO-05), vol. 8 (2005)
Giovannetti, T., Bettcher, B.M., Brennan, L., Libon, D.J., Burke, M., Duey, K., Nieves, C., Wambach, D.: Characterization of everyday functioning in mild cognitive impairment: a direct assessment approach. Dement. Geriatr. Cogn. Disorders 25(4), 359–365 (2008)
Grześ, M., Hoey, J., Khan, S.S., Mihailidis, A., Czarnuch, S., Jackson, D., Monk, A.: Relational approach to knowledge engineering for pomdp-based assistance systems as a translation of a psychological model. Int. J. Approx. Reason. 55(1), 36–58 (2014)
Hallé, S., Gaboury, S., Bouchard, B.: Activity recognition through complex event processing: first findings. In: Workshops at the Thirtieth AAAI Conference on Artificial Intelligence (2016)
Ho, B., Vogts, D., Wesson, J.: A smart home simulation tool to support the recognition of activities of daily living. Proc. South Afr. Inst. Comput Sci. Inf. Technol. 2019, 1–10 (2019)
Hornbæk, K., Oulasvirta, A.: What is interaction? In: Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems, pp. 5040–5052. ACM (2017)
Humphreys, G., Forde, E.: Disordered action schema and action disorganisation syndrome. Cogn. Neuropsychol. 15(6), 771–812 (1998)
Jiang, B., Fei, Y.: Smart home in smart microgrid: a cost-effective energy ecosystem with intelligent hierarchical agents. IEEE Trans. Smart Grid 6(1), 3–13 (2015)
Kautz, H.A.: Reasoning About Plans. chap. A Formal Theory of Plan Recognition and Its Implementation, pp. 69–124. Morgan Kaufmann Publishers Inc., San Francisco, CA (1991)
Kormányos, B., Pataki, B.: Multilevel simulation of daily activities: Why and how? In: 2013 IEEE International Conference on Computational Intelligence and Virtual Environments for Measurement Systems and Applications (CIVEMSA), pp. 1–6. IEEE (2013)
Lee, J.W., Cho, S., Liu, S., Cho, K., Helal, S.: Persim 3D: Context-driven simulation and modeling of human activities in smart spaces. IEEE Trans. Autom. Sci. Eng. 12(4), 1243–1256 (2015)
Lee, J.W., Helal, A.S., Sung, Y., Cho, K.: Context activity selection and scheduling in context-driven simulation. In: Proceedings of the Symposium on Theory of Modeling & Simulation-DEVS Integrative, p. 9. Society for Computer Simulation International (2014)
Leitner, G.: The Future Home is Wise. Not Smart. Springer, New York (2015)
Liu, S., Helal, S., Lee, J.W.: Activity playback modeling for smart home simulation. In: International Conference on Smart Homes and Health Telematics, pp. 92–102. Springer (2015)
Lotfi, A., Langensiepen, C., Mahmoud, S.M., Akhlaghinia, M.J.: Smart homes for the elderly dementia sufferers: identification and prediction of abnormal behaviour. J. Ambient Intell. Humaniz. Comput. 3(3), 205–218 (2012)
Luke, S., Cioffi-Revilla, C., Panait, L., Sullivan, K., Balan, G.: Mason: a multiagent simulation environment. Simulation 81(7), 517–527 (2005)
Marcotte, R., Hamilton, H.J.: Behavior trees for modelling artificial intelligence in games: a tutorial. Comput. Games J. 6(3), 171–184 (2017). https://doi.org/10.1007/s40869-017-0040-9
Marzinotto, A., Colledanchise, M., Smith, C., Ogren, P.: Towards a unified behavior trees framework for robot control. In: 2014 IEEE International Conference on Robotics and Automation (ICRA), pp. 5420–5427. IEEE (2014)
McKhann, G.M., Knopman, D.S., Chertkow, H., Hyman, B.T., Jack Jr., C.R., Kawas, C.H., Klunk, W.E., Koroshetz, W.J., Manly, J.J., Mayeux, R., et al.: The diagnosis of dementia due to alzheimer’s disease: recommendations from the national institute on aging-alzheimer’s association workgroups on diagnostic guidelines for alzheimer’s disease. Alzheimer’s & Dement. 7(3), 263–269 (2011)
Morris, M.E., Adair, B., Miller, K., Ozanne, E., Hansen, R., Pearce, A.J., Santamaria, N., Viega, L., Long, M., Said, C.M.: Smart-home technologies to assist older people to live well at home. J. Aging Sci. 1(1), 1–9 (2013)
Nazerfard, E., Das, B., Holder, L.B., Cook, D.J.: Conditional random fields for activity recognition in smart environments. In: Proceedings of the 1st ACM International Health Informatics Symposium, pp. 282–286. ACM (2010)
Paternò, F.: Concurtasktrees: an engineered notation for task models. In: The Handbook of Task Analysis for Human–Computer Interaction, pp. 483–503. Lawrence Erlbaum Associates, Mahwah (2004)
Paternò, F., Mancini, C., Meniconi, S.: Concurtasktrees: a diagrammatic notation for specifying task models. In: Human–Computer Interaction INTERACT’97, pp. 362–369. Springer, New York (1997)
Patterson, D.J., Fox, D., Kautz, H., Philipose, M.: Fine-grained activity recognition by aggregating abstract object usage. In: Proceedings. Ninth IEEE International Symposium on Wearable Computers, 2005, pp. 44–51. IEEE (2005)
Pavithra, D., Balakrishnan, R.: Iot based monitoring and control system for home automation. In: 2015 Global Conference on Communication Technologies (GCCT), pp. 169–173. IEEE (2015)
Schmitter-Edgecombe, M., Parsey, C.M.: Assessment of functional change and cognitive correlates in the progression from healthy cognitive aging to dementia. Neuropsychology 28(6), 881 (2014)
Schneider, M.: Resource-aware plan recognition in instrumented environments. Doctoral Thesis (2010). https://doi.org/10.22028/D291-25968
Serna, A., Pigot, H., Rialle, V.: Modeling the progression of Alzheimer’s disease for cognitive assistance in smart homes. User Model. User Adapt. Interact. 17(4), 415–438 (2007)
Serrano, E., Botia, J.: Validating ambient intelligence based ubiquitous computing systems by means of artificial societies. Inf. Sci. 222, 3–24 (2013). https://doi.org/10.1016/j.ins.2010.11.012
Synnott, J., Nugent, C., Jeffers, P.: Simulation of smart home activity datasets. Sensors 15(6), 14162–14179 (2015)
Unity Technologies: Unity—game engine. https://unity3d.com. January 2018 (2016)
Van der Mussele, S., Mariën, P., Saerens, J., Somers, N., Goeman, J., De Deyn, P.P., Engelborghs, S.: Behavioral syndromes in mild cognitive impairment and alzheimer’s disease. J. Alzheimer’s Dis. 38(2), 319–329 (2014)
Weiss, G.: Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. MIT Press, Cambridge (1999)
Wobcke, W.: Two logical theories of plan recognition. J. Logic Comput. 12(3), 371–412 (2002)
Wooldridge, M.: An Introduction to Multiagent Systems. Wiley, New York (2009)