Monitoring daily behavioral patterns using mobile phone sensors and ballistocardiography for detecting mental health problems

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Saramäki, Jari
dc.contributor.author Alakörkkö, Tuomas
dc.date.accessioned 2016-12-08T13:37:22Z
dc.date.available 2016-12-08T13:37:22Z
dc.date.issued 2016-12-08
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/23684
dc.description.abstract An increasing number of mental health problems has created the need for developing new patient monitoring methods for mental health care. The use of different type of unobtrusive sensors could partially automate patient monitoring. Detection of features from sensor data that are associated with mental disorders could be used as a tool to support the process of making diagnostic decisions. In these days, commonly used mobile phones have sensors which can be used in unobtrusive collection of data to measure human behavior. For example, these sensors can measure acceleration, ambient noise level, brightness of the environment, and mobile phone usage. Also, a ballistocardiographic (BCG) sensor attached to a bed can be used to obtain information about rest and sleep which are known to be an important factors in mental health. This thesis addresses the feasibility of using mobile phones and BCG sensors for measuring human behavior and detecting mental health problems. Sensor data was obtained from a pilot experiment where mobile phone sensors and BCG sensors were used to measure sixteen subjects for six weeks. Subjects also filled daily questionnaires related to mental health and sleep and wore an actigraph for two weeks which were used as a comparison for the passively collected data. In the analysis, sleep duration for each night was estimated from the BCG sensor data. The average difference of estimates and reported sleep duration was more than one hour. Instead of estimating sleep duration, we suggest to focus on the amount of rest which can be detected more robustly from the BCG sensor data. Analysis of the mobile phone sensor data shows that almost any of the mobile phone sensors can be used to measure the approximate daily rhythm of a subject. Moreover, different sensors can measure different aspects of the user's behavior and environment. By combing different sources of information, more accurate indicators of mental health problems could be developed. In future research, more data with better quality needs to be collected for further improvement of methods. en
dc.description.abstract Kasvava mielenterveyspotilaiden määrä on luonut tarpeen kehittää uusia potilasseurantamenetelmiä mielenterveyden hoitoon. Erilaisten huomaamattomien sensoreiden käyttö voisi osittain automatisoida potilasseurantaa. Mielenterveysongelmiin liittyvien piirteiden tunnistamista sensoridatasta voitaisiin käyttää apuna diagnoosien tekemisessä. Nykyään tavallisten älypuhelinten sensoreita voidaan käyttää ihmisen käyttäytymisen monitorointiin. Nämä sensorit mittaavat esimerkiksi kiihtyvyyttä, taustamelua, ympäristön kirkkautta ja puhelimen käyttöä. Lisäksi levosta ja unesta voidaan saada tietoa sänkyyn kiinnitettävällä ballistokardiografisella (BCG) sensorilla. Unen ja levon tiedetään vaikuttavan merkittävästi mielenterveyteen. Tämä työ käsittelee älypuhelinsensoreiden ja BCG-sensorin käyttöä ihmisen toiminnan mittaamisessa ja mielenterveysongelmien havaitsemisessa. Tutkimusdata kerättiin pilottitutkimuksessa, jossa kuudeltatoista koehenkilöltä kerättiin kännykkäsensori ja BCG-sensoridataa kuuden viikon ajan. Koehenkilöt täyttivät myös kyselyitä uneen ja mielenterveyteen liittyen. Lisäksi he pitivät ranteessaan kahden viikon ajan aktigrafia, jonka dataa verrattiin muihin sensoreihin. Työssä estimoitiin koehenkilöiden unen kestoa jokaisena yönä käyttäen BCG-sensorin dataa. Erotus estimaattien ja koehenkilöiden raportoiman nukkumisajan välillä oli keskimäärin yli tunti. Tarkan unen pituuden sijaan suosittelemme arvioimaan levon määrää, sillä sen havaitseminen datasta on huomattavasti helpompaa. Kännykkäsensoridatan analyysistä selviää, että päivärytmejä voidaan seurata monella eri sensorilla. Eri sensorit antavat lisäksi toisiaan tukevaa lisäinformaatiota koehenkilön käyttäytymisestä. Informaation lähteitä yhdistämällä voidaan kehittää tarkempia indikaattoreita mielenterveysongelmille. Jotta analyysimenetelmiä voitaisiin kehittää edelleen, tulisi jatkotutkimuksissa kerätä lisää ja parempilaatuista dataa. fi
dc.format.extent 69+7
dc.format.mimetype application/pdf en
dc.language.iso en en
dc.title Monitoring daily behavioral patterns using mobile phone sensors and ballistocardiography for detecting mental health problems en
dc.title Päivittäisen käyttäytymisen monitorointi käyttäen älypuhelimien sensoreita ja ballistokardiografiaa mielenterveysongelmien havaitsemiseksi fi
dc.type G2 Pro gradu, diplomityö fi
dc.contributor.school Perustieteiden korkeakoulu fi
dc.subject.keyword mental health en
dc.subject.keyword mobile phone sensors en
dc.subject.keyword ballistocardiography en
dc.subject.keyword behavioral patterns en
dc.identifier.urn URN:NBN:fi:aalto-201612085875
dc.programme.major Complex systems fi
dc.programme.mcode SCI3060 fi
dc.type.ontasot Master's thesis en
dc.type.ontasot Diplomityö fi
dc.contributor.supervisor Saramäki, Jari
dc.programme Master’s Programme in Life Science Technologies fi


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account