論文の概要: iWash: A Smartwatch Handwashing Quality Assessment and Reminder System
with Real-time Feedback in the Context of Infectious Disease
- arxiv url: http://arxiv.org/abs/2009.10317v2
- Date: Fri, 19 Nov 2021 01:25:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 07:16:10.959222
- Title: iWash: A Smartwatch Handwashing Quality Assessment and Reminder System
with Real-time Feedback in the Context of Infectious Disease
- Title(参考訳): iWash: 感染性疾患の文脈におけるリアルタイムフィードバックを備えたスマートウォッチハンドウォッシング品質評価とリマインダーシステム
- Authors: Sirat Samyoun, Sudipta Saha Shubha, Md Abu Sayeed Mondol, John A.
Stankovic
- Abstract要約: We present iWash, a comprehensive system for quality Assessment and context-aware reminder for handwashing with real-time feedback using watches。
iWashは、デバイス上での処理に最適化されたハイブリッドディープニューラルネットワークベースのシステムで、最小処理時間とバッテリ使用量で高い精度を保証する。
- 参考スコア(独自算出の注目度): 5.635081988566902
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Washing hands properly and frequently is the simplest and most cost-effective
interventions to prevent the spread of infectious diseases. People are often
ignorant about proper handwashing in different situations and do not know if
they wash hands properly. Smartwatches are found to be effective for assessing
the quality of handwashing. However, the existing smartwatch based systems are
not comprehensive enough in terms of achieving accuracy as well as reminding
people to handwash and providing feedback to the user about the quality of
handwashing. On-device processing is often required to provide real-time
feedback to the user, and so it is important to develop a system that runs
efficiently on low-resource devices like smartwatches. However, none of the
existing systems for handwashing quality assessment are optimized for on-device
processing. We present iWash, a comprehensive system for quality assessment and
context-aware reminder for handwashing with real-time feedback using
smartwatches. iWash is a hybrid deep neural network based system that is
optimized for on-device processing to ensure high accuracy with minimal
processing time and battery usage. Additionally, it is a context-aware system
that detects when the user is entering home using a Bluetooth beacon and
provides reminders to wash hands. iWash also offers touch-free interaction
between the user and the smartwatch that minimizes the risk of germ
transmission. We collected a real-life dataset and conducted extensive
evaluations to demonstrate the performance of iWash. Compared to the existing
handwashing quality assessment systems, we achieve around 12% higher accuracy
for quality assessment, as well as we reduce the processing time and battery
usage by around 37% and 10%, respectively.
- Abstract(参考訳): 手を適切に頻繁に洗うことは、感染症の拡散を防ぐための最もシンプルで費用効果の高い介入である。
人々は、様々な状況で適切な手洗いについて無知であり、適切に手を洗うかどうかを知らないことが多い。
スマートウォッチはハンドウォッシングの質を評価するのに有効である。
しかし、既存のスマートウォッチベースのシステムは、精度の面では十分に包括的ではなく、手洗いのクオリティについてユーザーにフィードバックを提供するよう人々にリマインドしている。
オンデバイス処理は、ユーザに対してリアルタイムフィードバックを提供するために必要とされることが多いため、スマートウォッチのような低リソースデバイス上で効率的に動作するシステムを開発することが重要である。
しかし,既存の手洗い品質評価システムはいずれもデバイス上での処理に最適化されていない。
本稿では,スマートウォッチを用いたリアルタイムフィードバックによる手洗いにおける品質評価とコンテキスト認識リマインダーの総合システムであるiwashを提案する。
iWashは、デバイス上での処理に最適化されたハイブリッドディープニューラルネットワークベースのシステムで、最小処理時間とバッテリ使用量で高い精度を保証する。
さらに、bluetoothビーコンを使ってユーザーが家に入ることを検知し、手を洗うリマインダーを提供するコンテキストアウェアシステムである。
iwashはまた、ユーザーとスマートウォッチとのタッチフリーなインタラクションも提供し、細菌感染のリスクを最小化している。
実生活データセットを収集し,iwashの性能を示すために広範囲な評価を行った。
従来の手洗い品質評価システムと比較して,品質評価の精度が約12%向上し,処理時間と電池使用量を約37%,10%削減した。
関連論文リスト
- SqueezerFaceNet: Reducing a Small Face Recognition CNN Even More Via
Filter Pruning [55.84746218227712]
我々は,100万パラメータ未満の軽量顔認識ネットワークであるSqueezerFaceNetを開発した。
性能を損なうことなく、さらに(最大40%)削減できることを示す。
論文 参考訳(メタデータ) (2023-07-20T08:38:50Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳(メタデータ) (2023-05-12T17:24:02Z) - PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal
Imputation [54.839600943189915]
モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。
豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。
このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
論文 参考訳(メタデータ) (2022-12-14T21:39:15Z) - Fingerprint Image-Quality Estimation and its Application to
Multialgorithm Verification [56.128200319868526]
信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。
本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。
定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
論文 参考訳(メタデータ) (2022-11-24T12:17:49Z) - Reducing a complex two-sided smartwatch examination for Parkinson's
Disease to an efficient one-sided examination preserving machine learning
accuracy [63.20765930558542]
パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。
本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
論文 参考訳(メタデータ) (2022-05-11T09:12:59Z) - A Deep Learning Based Automated Hand Hygiene Training System [0.12313056815753944]
WHOは、すべての手の表面が完全にきれいであることを保証するため、アルコールベースの手こりのガイドラインを8段階で推奨している。
ディープニューラルネットワーク(DNN)とマシンビジョンにより、手こりの品質を正確に評価することが可能になった。
本稿では,リアルタイムフィードバックを用いたディープラーニングによる手こり自動評価システムについて述べる。
論文 参考訳(メタデータ) (2021-12-10T17:01:44Z) - You Can Wash Better: Daily Handwashing Assessment with Smartwatches [29.78753562127044]
スマートウォッチのインテリジェントなソリューションであるUWashを提案し,高品質なハンドウォッシングにおけるユーザの意識を高め,習慣を育むためにハンドウォッシングを評価する。
UWashは、手洗いのオンセット/オフセットを特定し、各ジェスチャーの時間を測定し、WHOガイドラインに従って各ジェスチャーと手順全体のスコアを付けることができる。
論文 参考訳(メタデータ) (2021-12-09T12:23:06Z) - Deep Metric Learning with Locality Sensitive Angular Loss for
Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。
本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。
このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
論文 参考訳(メタデータ) (2021-10-13T21:51:56Z) - Automatic Unstructured Handwashing Recognition using Smartwatch to
Reduce Contact Transmission of Pathogens [2.578242050187029]
SARSCoV-2ウイルスは呼吸液滴や接触によって伝染する。
現在のスマートウォッチは、被験者がいつ手を洗っているか、または手をこすっているかを認識でき、周波数や時間などのパラメータを監視することができる。
予備実験の結果,深層学習と標準学習のそれぞれで95%,約94%の分類精度が得られた。
論文 参考訳(メタデータ) (2021-07-28T14:52:45Z) - MedSensor: Medication Adherence Monitoring Using Neural Networks on
Smartwatch Accelerometer Sensor Data [0.0]
薬物依存症は深刻な経済・健康問題を引き起こす。
我々は、スマートウォッチから加速度計の手の動きデータを収集するスマートウォッチアプリケーションを開発した。
ニューラルネットワークを開発し、その後、センサーデータのネットワークを訓練し、薬品や非薬効のジェスチャーを認識する。
論文 参考訳(メタデータ) (2021-05-19T03:42:30Z) - Automated Quality Assessment of Hand Washing Using Deep Learning [1.8920934738244022]
WHOが定義する異なる洗面運動を自動的に認識するニューラルネットワークを提案する。
ニューラルネットワークは、大きな(2000以上のビデオ)実世界のラベル付きデータセットの一部で、異なる洗浄運動でトレーニングします。
タスクにMobileNetV2やXceptionなどのトレーニング済みニューラルネットワークモデルを使用することで、異なる洗濯動作を認識する上で、64%の精度を達成することができる。
論文 参考訳(メタデータ) (2020-11-23T13:22:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。