Probabilistic Activity Recognition For Serious Games With Applications In Medicine - Archive ouverte HAL Access content directly
Conference Papers Year : 2019

Probabilistic Activity Recognition For Serious Games With Applications In Medicine

Reconnaissance d'Activités Probabilistes pour des Jeux Sérieux à Application Médicale

(1) , (2) , (2) , (2)
1
2

Abstract

Human activity recognition plays an important role especially in medical applications. This paper proposes a formal approach to model such activities, taking into account possible variations in human behavior. Starting from an activity description enriched with event occurrence probabilities, we translate it into a corresponding formal model based on discrete-time Markov chains (DTMCs). We use the PRISM framework and its model checking facilities to express and check interesting temporal logic properties (PCTL) concerning the dynamic evolution of activities. We illustrate our approach on the model of a serious game used by clinicians to monitor Alzheimer patients. We expect that such a modeling approach could provide new indications for interpreting patient performances. This paper addresses only the model definition and its suitability to check behavioral properties of interest. Indeed, this is mandatory before envisioning any clinical study.
La reconnaissance d'activités humaines joue un rôle important, particulièrement dans les applications médicales. Cet article propose une approche formelle pour modéliser ces activités en prenant en compte la variabilité des comportements humains. En partant d'une description d'activité enrichie avec des probabilités sur l’occurrence d'évènements, nous la traduisons en un modèle formel fondé sur les chaînes de Markov à temps discret (DTMCs). Nous utilisons l'environnement de PRISM et son model checker pour exprimer et vérifier des propriétés d'intérêt en logique temporelle (PCTL) concernant l'évolution dynamique de l'activité. Nous illustrons notre approche avec le modèle d'un jeu sérieux utilisé par les cliniciens pour évaluer des patients atteints d'Alzheimer. Nous pensons que cette approche de modélisation peut apporter de nouvelles indications pour interpréter les performances des patients. Cet article ne se concentre que sur la définition du modèle et sa capacité à valider des propriétés d'intérêts. Cet étape est un passage obligé avant d'envisager des tests cliniques.
Fichier principal
Vignette du fichier
FTSCS_paper2.pdf (3.08 Mo) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-02341600 , version 1 (31-10-2019)

Identifiers

  • HAL Id : hal-02341600 , version 1

Cite

Elisabetta de Maria, Thibaud L'Yvonnet, Sabine Moisan, Jean-Paul Rigault. Probabilistic Activity Recognition For Serious Games With Applications In Medicine. ICFEM 2019 - FTSCS workshop, Nov 2019, Shenzhen, China. ⟨hal-02341600⟩
152 View
181 Download

Share

Gmail Facebook Twitter LinkedIn More