Resumen

Life-Log es un término utilizado para el seguimiento diario de las condiciones de salud y el reconocimiento de anomalías a partir de los datos generados por dispositivos sensores. El desarrollo de sensores inteligentes permite recopilar datos sobre la salud, lo que puede considerarse una solución a los riesgos asociados a la atención sanitaria personal mediante la concienciación sobre las condiciones de salud y el bienestar. Por lo tanto, los métodos de análisis Life-Log son importantes para la monitorización en la vida real y la detección de anomalías. Este estudio propone un método de mejora y combinación de métodos y técnicas anteriores en campos similares para detectar anomalías en los datos de registro de salud generados por diversos sensores. Se utilizan redes neuronales recurrentes con unidades de memoria a corto plazo para analizar los datos de Life-Log. Los resultados indican que el modelo propuesto funciona con mayor eficacia que los métodos convencionales de análisis de datos sanitarios, y el enfoque propuesto puede ofrecer una precisión satisfactoria en la detección de anomalías.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:Vida, detección de anomalías, condiciones de salud, métodos convencionales de análisis de datos de salud, métodos de análisis de registros, redes neuronales recurrentes, datos de registro de salud, unidades de memoria a plazo, anomalías, datos de registro
• Keywords:Life, anomaly detection, health conditions, conventional health data analysis methods, Log analysis methods, Recurrent neural networks, health log data, term memory units, anomalies, Log data