تكنولوجيا مبتكرة: اكتشاف سقوط كبار السن باستخدام نماذج SHAP المستقرة

يُعتبر اكتشاف سقوط كبار السن من أهم التحديات في مجال الرعاية الصحية، حيث يتطلب الأمر ليس فقط تصنيفًا دقيقًا، ولكن أيضًا شروحات موثوقة يسهل على الأطباء الوثوق بها. في هذا السياق، تم تقديم إطار عمل مبتكر يجمع بين نموذج LSTM (Long Short-Term Memory) فعّال وتقنية T-SHAP، وهي استراتيجية تجمع بين البيانات الزمنية لضمان استقرار شروحات ميزة SHAP في النوافذ الزمنية المتصلة.

تختلف T-SHAP عن تقنيات SHAP التقليدية التي تعتبر كل إطار بشكل مستقل، حيث تقوم بتطبيق مشغل تنسيق خطي على تسلسل الشرح، مما يقلل من التباين العالي التردد بينما تحتفظ بضمانات نظرية لقيم Shapley، بما في ذلك الدقة المحلية والاتساق. وقد أظهرت التجارب التي أجريت على مجموعة بيانات NTU RGB+D أن النظام المقترح يحقق دقة تصنيف تصل إلى 94.3% وزمن استجابة لا يتجاوز 25 مللي ثانية، مما يلبي القيود الزمنية على الأجهزة المتوسطة ويشير إلى إمكانية جيدة لنشره في حالات المراقبة السريرية.

علاوة على ذلك، أظهرت التقييمات الكمية باستخدام مقاييس موثوقية مرتبطة بالاضطرابات أن T-SHAP يحسن موثوقية الشرح مقارنةً بتقنيات SHAP التقليدية وGrad-CAM، مع تحسنات متسقة خلال تقييمات متعددة، مما يدل على تعزيز موثوقية الشرح. تُسلط الشروحات الناتجة الضوء على أنماط حركة بيوميكانيكية ذات صلة، بما في ذلك عدم استقرار الأطراف السفلية وتغيرات في محاذاة العمود الفقري، مما يتماشى مع الملاحظات السريرية المعتمدة لديناميات السقوط ويدعم استخدامها كأدوات قرار شفافة في بيئات الرعاية طويلة الأمد.