(中央社訊息服務20161107 09:50:35)銀髮族人口逐年增加，新生子女劇減，社會正快速的邁入老年化。亞洲國家向來以家庭成員照顧年長者的模式，加上根深蒂固的傳統觀念，台灣多數家庭的年長者前往養老機構頤養天年的意願並不高。面對「居家養老」的社會需求，政府的「老年照護」政策面臨著巨大的挑戰，帶給「資通訊科技」應用於銀髮族照護創造了很大的機會。
11月4日，交通大學IBM /智慧物聯網巨量資料研發中心舉辦「資通訊科技智慧照護銀髮族」研討會。中心主任王蒞君教授邀請日本慶應大學知名學者 Tomoaki Otsuki 教授，及交大電機系帥宏翰教授，分別從無線電健康監測技術、社群網路心理分析技術，探討資通訊技術應用於銀髮照護的未來發展。與會教授、碩博生齊聚一堂，共同研討如何以創新技術解決居家照護的問題，展現了交通大學從科學園區走向醫療照護領域的強大研究能量。
無線網路健康監測
Tomoaki Otsuki 教授表示，日本國內人口老化的問題嚴重，無線健康監測技術用於銀髮照護已經被廣泛的重視，他特地介紹幾項創新的技術：
一、陣列天線的無線監測方法–陣列傳感器。
陣列傳感器在接收機側使用天線陣列並將接收的信號分解成特徵向量和特徵值。根據其應用程 序使用這些組件，例如入侵檢測、監視和被動定位。
二、使用多普勒傳感器的監測系統，如跌倒檢測。
三、使用多普勒雷達進行健康監測的生命信號檢測技術。
四、基於低分辨率紅外傳感器陣列的監測技術。
社群網路心理分析
有越來越多的社交網絡精神障礙（SNMD）者，例如網絡成癮、網絡強迫症等。這些精神障礙者通常被動的被發現，導致延遲醫生臨床的幫助。研究團隊認為，發掘線上的社交資訊可以為社會行為提供在早期階段識別SNMD的積極作為，預防不幸事件發生。然而，傳統檢測SNMD很困難，因為在標準診斷標準（問卷）中考慮的心理因素不能從患者的社交活動日誌中觀察到。
帥宏翰教授介紹一種創新的SNMD檢測方法，不需要依賴透過問卷自我揭示這些心理因素。他提出一個機器學習的框架：社會網絡精神障礙檢測（SNMDD），利用社群網絡的數據提取資訊的功能，可以準確的識別潛在的SNMD案例。
研究團隊更利用SNMDD中的多源學習，提出新的SNMD張量模型（STM）以提高性能。這個多源學習的框架透過用戶研究與3126個社交網路用戶進行評估，進行特徵分析，並且對大規模的數據集應用SNMDD分析三種SNMD類型的特性。結果證明，SNMDD有希望識別具有潛在SNMD的社群網路用戶，未來亦可作為銀髮族心理狀態監測之關鍵技術。
訊息來源：國立交通大學電機工程學系
本文含多媒體檔 (Multimedia files included)：
http://www.cna.com.tw/postwrite/Detail/203618.aspx