面向老年护理机构的雷达跌倒检测
敏感度从来不是瓶颈。Vigil 是雷达传感器与护士呼叫系统之间的智能层：一套五阶级联系统，返回 ALERT、SUPPRESS 或 ROUTE TO HUMAN，并记录每项决策背后的特征值。您在此看到的是一个可运行的演示，基于合成雷达特征流，而非实际部署环境。
0 vs 7
演示班次的误报次数
引擎对比朴素基线，一次带种子的合成班次
1.0 vs 0.167
混淆项特异性
固定的360事件合成黄金集，非生产精度
1 of 2
已发出警报的真实跌倒
第二次发生在多人占用空间，已转交人员核查
本演示回放了一个记忆护理病区的带种子合成夜班。无实时雷达硬件，无真实机构，无住院居民，无 PHI。
警报疲劳是跌倒检测部署失败的首要原因。护理主任在“未监控的卫生间”与“被天花板风扇误触发的报警面板”之间作选择，实质上是在两种漏报跌倒伤害的方式之间作选择——每次跌倒伤害的平均费用约为 $30,000。
这是风险最高的空间，也是唯一一个摄像头不可行的地方。美国19个州已颁布法规约束疗养院房间内的摄像头使用，通常允许在居民本人同意的前提下在居室内安装，但卫生间在实践中以隐私为由一律排除在外。
老年人倒地超过一小时后，六个月内死亡率达50%。凌晨4点例行巡查时发现的跌倒，与在居民仍在地板上时就即时调度的跌倒，是完全不同的临床事件。
现成的运动传感器和床垫每间居室每天产生5至15次误报。它们无法区分用力坐到马桶上和真正跌倒的区别，于是夜间员工将面板静音，系统随之什么都检测不到了。
Vigil 对每帧雷达特征流运行级联，并将结果交给一个位于所有模型之外的策略门。模型给出建议，代码作出决策：确定性叙事条件必须首先满足，之后才会参考分类器的置信度——而置信度要对照一个固定下限进行检查，该下限并非由模型设定。模型单独无法生成警报。
01 / 特征提取
引擎从合成雷达特征流中提取下降运动学（起始高度、峰值速度、最终质心高度）、宽带能量撞击标记、撞击后运动残差、呼吸频段能量，以及作为目标类别代理的雷达截面积与纵横比。整个流水线中不存在任何图像或视频。
02 / 逐房间杂波图
每个空间都有其专属地图。此构建版本读取的是天花板风扇和窗式空调条目的固定位置多普勒掩码，在其已知体素处进行遮蔽。逐房间的座椅和床位高度作为校准数据存储在房间文件中，但不被任何 V1 代码路径读取——这如实反映了逐房间校准仍有多少集成工作有待完成。
03 / 双流分类器
学习到的逻辑回归模型读取恰好四个特征（地板接近度、撞击能量、下降幅度和雷达截面积），将其融合为经校准的 P(fall)。融合步骤是可完整阅读的 numpy 代码。切换到 CNN、PointNet 与注意力融合的生产版本已有文档说明，特征语义在此切换下保持不变。
04 / 时序叙事验证器
确定性代码要求所有四个条件在同一个8秒窗口内成立，且站立状态须在窗口开头的五分之一时间内确立：质心中值高于 1.2 m；下降幅度超过 0.6 m 且峰值速度超过 1.8 m/s；持续宽带撞击（3帧滚动均值超过 0.50，因此单帧峰值无法满足条件）；以及质心确实下降到低于 0.30 m 的地板水平。
05 / 确定性策略门
位于所有模型之外的决策路径是带有固定、有据可查阈值的普通代码：地板水平低于 0.30 m、呼吸下限 0.20，以及跌倒置信度下限 0.70。策略门发出 ALERT、SUPPRESS 或 ROUTE TO HUMAN，并启动升级阶梯（CNA 在 0 s，Charge Nurse 在 90 s，DON 在 180 s）。门中一个独立的硬编码置信度阈值会将多人占用事件发送给人工核查。
06 / 调度与证据留存
适配器发出传统的 Rauland 干接点继电器信号（光电隔离，维持 UL 1069/2560 隔离标准）以及现代的 Ascom 或 Austco MQTT 与 REST JSON 载荷。这是一个记录型适配器存根，并未连接实际硬件。班次审计 JSON 涵盖每条警报、转接和抑制及其决策特征；临床事件记录则从该结构化证据单独生成。
演示回放了一个记忆护理病区从 02:00 到 06:00 跨越十二个监控空间的夜班，将级联评分结果与一个将任何快速或低位运动均视为跌倒的朴素基线进行对比。所有十二个事件均为合成、带标签、物理上合理的场景，采用固定种子。十二个磁贴代表十二个事件，其中两个重访了已在网格中出现的空间，因此共涉及十个不同空间。仪表盘网格和决策账本将这些空间标记为 Cam 1 至 Cam 12；底层房间 ID 仅出现在事件详情、调度载荷和审计记录中。
Cam 2 在真实标签中是一次跌倒，P(fall) 达到 0.99。该空间有两个目标，而单人追踪超出 V1 的覆盖范围，因此策略门以低置信度返回 ROUTE TO HUMAN，不断言跌倒。朴素基线则自动触发警报。本次班次共发生两次真实跌倒：一次发出警报，一次转交人员核查。在固定基准测试中，40 of 40 次多人占用跌倒以相同方式转接，无过度警报，无漏报。
级联和朴素基线在固定的360个带标签、含噪声合成事件集上均达到 1.0 的跌倒敏感度。两者的区别在于混淆项特异性：级联为 1.0，基线为 0.167。融合权重是在演示自身的场景生成器上拟合的，而这些生成器正是产生黄金集的来源——这是技术读者应首先提出的质疑。但这一优势仍是赢得的，而非人为植入的：每个混淆项的生成都旨在与真实跌倒在单个特征上产生重叠，这正是朴素检测器确实被愚弄的原因。
| 问题 | Vigil 在本演示中的功能 | 仍在演示范围之外的内容 |
|---|---|---|
| 混淆项拒绝 | 运行五阶级联，并记录班次中十次抑制各自的决策特征值。 | 针对机构自身杂波、步态模式和家具进行调优，即逐房间校准工作。 |
| 多人占用空间 | 以低置信度转交人工核查而非断言跌倒，固定基准测试中40 of 40次均如此处理。 | 单人追踪与多人占用消歧，推迟至后续版本。 |
| 巡查与 QAPI 证据 | 导出班次审计 JSON，包含每条警报、转接和抑制及其决策特征值和策略原因。 | 向 EHR 或 MDS 记录的任何写入，以及审计记录上的任何交互式查询界面。 |
| 护士呼叫调度 | 同时发出 Rauland 干接点信号和 Ascom 或 Austco MQTT 与 REST 载荷，已记录日志。 | 已连接的护士呼叫硬件、实时调试，以及已部署路径的认证。 |
它不使用实时雷达硬件、真实的 60 GHz 调频连续波信号或已部署的传感器：射频前端是合成特征流。护士呼叫路径是无任何连接的记录型适配器存根。不进行任何形式的 EHR 或 MDS 写入，也无审计记录上的交互式自然语言查询。预测性步态分析、公共区域 Wi-Fi 感知、多人占用消歧以及面向嵌入式硅片的边缘端口均为未来工作。记忆护理病区、其空间、事件及治疗犬均为合成内容；无住院居民、无客户、无试点、无 PHI。Vigil 不是医疗器械，不持有任何 FDA 许可、510(k)、临床验证或对自身的 CMS 或 UL 认证；适配器在调度路径上维持 UL 1069/2560 隔离。本文内容不能替代员工、临床判断或医师评估。
没有人能从演示中如实回答这个问题，因此请审视数字背后的假设。每房每天 0.0 次的数字假设每房每天有30次良性运动触发，高于文献报告的现有传感器每房每天5至15次，且来自固定合成黄金集而非真实病房。真实试点目标是在影子模式校准后每房每天误报不超过2次——这才是应当要求我们达到的数字。
雷达特征在整个流程中不携带任何图像或视频，因此没有任何可识别内容被捕获——这正是使该空间成为可行选项的原因。美国19个州已颁布摄像头法规，涵盖疗养院房间，通常允许在居民同意的前提下在居室内安装摄像头，但卫生间在实践中以隐私为由被排除在外。任何部署仍需贵机构自行进行隐私评估和居民同意流程。
没有。演示班次中共发生两次真实跌倒。引擎以 0.99 置信度对 Cam 3 卫生间的长时间倒地发出警报，并以低置信度将 Cam 2 事件转交人员核查，因为该空间有两个目标，单人追踪超出 V1 的覆盖范围。对双目标场景作出有把握的跌倒断言，恰恰是让夜班员工不再相信面板的那类错误，因此歧义转交给了人。
导出的班次审计 JSON 包含每条警报、转接和抑制及其决策特征值和策略原因，顶层键为 engine、facility、shift、metrics、events 和 _note。临床事件记录从该结构化证据单独生成，用于 QAPI 档案或 CMS F689 文件，不包含在导出文件中。在将其交给任何人之前有一个细节值得注意：导出文件在 engine 字段中标注的是内部构建名称，而非产品名称。
不是。模型单独无法生成警报。确定性叙事条件——站立、下降、持续撞击和地板水平——必须全部在同一个8秒窗口内成立，之后才会参考分类器的 P(fall)，且其值须对照模型不设定的固定 0.70 下限进行检查。较低的置信度仍可将警报转为抑制，因此模型只能向下约束决策，而永远无法向上。
调度适配器可同时发出两种格式，因此可置于任一代护士呼叫系统之前：传统的 Rauland 干接点继电器信号（光电隔离，维持 UL 1069/2560 隔离），以及现代的 Ascom 或 Austco MQTT 与 REST JSON 载荷。在本演示中，它是一个无任何护士呼叫硬件连接的记录型适配器存根。Vigil 是传感器与您现有系统之间的层，而非两者的替代品。
我们不销售传感器。我们构建让传感器发挥价值的智能层，并为那些已经深知“捕获跌倒只是前半段”的老年护理运营商和临床技术团队而构建。
在63%的机构报告人手短缺的情况下，一个频繁误报的面板是夜班最先关掉的东西。有效的第一次对话应涵盖您平面图中的固定杂波、当前无人监控的房间，以及您上次州监实际要求您提供的内容。我们可以与您的临床团队共同完成校准和影子模式计划。
