論文の概要: WHO-Hand Hygiene Gesture Classification System
- arxiv url: http://arxiv.org/abs/2110.02842v1
- Date: Wed, 6 Oct 2021 15:15:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-07 21:36:50.338971
- Title: WHO-Hand Hygiene Gesture Classification System
- Title(参考訳): WHOの手指義歯分類システム
- Authors: Rashmi Bakshi
- Abstract要約: 欧州では毎年100万人以上の病院による感染症が発生している。
ハンド衛生コンプライアンスは、送信のリスクを減少させる可能性がある。
将来の目標は、医療従事者の手衛生予測システムをリアルタイムで展開することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recent ongoing coronavirus pandemic highlights the importance of hand
hygiene practices in our daily lives, with governments and worldwide health
authorities promoting good hand hygiene practices. More than one million cases
of hospital-acquired infections occur in Europe annually. Hand hygiene
compliance may reduce the risk of transmission by reducing the number of
infections as well as healthcare expenditures. In this paper, the World Health
Organization, hand hygiene gestures are recorded and analyzed with the
construction of an aluminum frame, placed at the laboratory sink. The hand
hygiene gestures are recorded for thirty participants after conducting a
training session about hand hygiene gestures demonstration. The video
recordings are converted into image files and are organized into six different
hand hygiene classes. The Resnet50 framework selection for the classification
of multiclass hand hygiene stages. The model is trained with the first set of
classes; Fingers Interlaced, P2PFingers Interlaced, and Rotational Rub for 25
epochs. An accuracy of 44 percent for the first set of experiments with a loss
score greater than 1.5 in the validation set is achieved. The training steps
for the second set of classes; Rub hands palm to palm, Fingers Interlocked,
Thumb Rub are 50 epochs. An accuracy of 72 percent is achieved for the second
set with a loss score of less than 0.8 for the validation set. In this work, a
preliminary analysis of a robust hand hygiene dataset with transfer learning
takes place. The future aim for deploying a hand hygiene prediction system for
healthcare workers in real-time.
- Abstract(参考訳): 最近進行中の新型コロナウイルスのパンデミックは、我々の日常生活における手衛生の実践の重要性を浮き彫りにしている。
欧州では毎年100万人以上の患者が病院で感染している。
手の衛生的コンプライアンスは、感染の数を減らし、医療費を減らすことで感染のリスクを低減できる。
本稿では,世界保健機関 (WHO) が, 実験室の流し台に設置したアルミニウムフレームを用いて手衛生のジェスチャーを記録し, 解析した。
手衛生ジェスチャーのデモンストレーションに関するトレーニングセッションを行った後、30名の参加者に手衛生ジェスチャーを記録する。
ビデオ録画はイメージファイルに変換され、6つの異なる手衛生クラスに編成される。
マルチクラスハンド衛生段階の分類のためのResnet50フレームワークの選択
モデルは最初のクラス、Fingers Interlaced、P2PFingers Interlaced、Rotational Rub for 25 epochsで訓練されている。
評価セットにおいて、損失スコアが1.5以上である最初の実験の44%の精度が達成された。
第2組のトレーニングステップ:手のひらから手のひら、指インターロック、Thumb Rubは50エポック。
検証セットの損失スコアが0.8未満の第2セットでは72%の精度が達成される。
本研究では,転送学習を伴うロバストな手指衛生データセットの予備分析を行う。
医療従事者のための手衛生予測システムをリアルタイムに展開する今後の課題
関連論文リスト
- Visual Detection of Personal Protective Equipment and Safety Gear on
Industry Workers [49.36909714011171]
我々は、PPE(Personal Protective Equipment)の使用を検知するカメラを用いて、労働者の安全を向上するシステムを開発した。
我々の焦点は、制限区域へのアクセスを得るために労働者が自らを提示しなければならないエントリーコントロールポイントに我々のシステムを実装することである。
この研究の新たな特徴は、クラス数を5つの対象(ヘルメット、安全ベスト、安全手袋、安全眼鏡、聴覚保護)に増やすことである。
論文 参考訳(メタデータ) (2022-12-09T11:50:03Z) - Hand Hygiene Assessment via Joint Step Segmentation and Key Action
Scorer [32.29065180155029]
ハンド衛生は世界保健機関(WHO)が提唱する6段階の手洗い法である。
ステップセグメンテーションとキーアクションスコアラを協調的に行うための,手指の精密な衛生評価のための,新たなきめ細かい学習フレームワークを提案する。
医療スタッフの監督のもと,300の動画シーケンスと微粒なアノテーションを含むビデオデータセットをコントリビュートする。
論文 参考訳(メタデータ) (2022-09-25T13:47:21Z) - A Novel IoT-based Framework for Non-Invasive Human Hygiene Monitoring
using Machine Learning Techniques [1.4260605984981949]
本稿では,振動センサを用いたヒト衛生モニタリングのための新しい枠組みを提案する。
アプローチは、実用的な囲いにおける、ジオフォンセンサ、ディジタイザ、コスト効率の高いコンピュータボードの組み合わせに基づいている。
バイナリ分類のためのサポートベクトルマシンの適用は、異なる衛生習慣の分類において95%の有望な精度を示す。
論文 参考訳(メタデータ) (2022-07-07T18:48:48Z) - 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) - A Comparison of Deep Learning Models for the Prediction of Hand Hygiene
Videos [0.0]
本稿では,手の衛生的ジェスチャーの分類と予測のために,Exception,Resnet-50,Inception V3などの様々なディープラーニングモデルの比較を行った。
データセットはビデオ形式での6つの手動衛生運動で構成されており、30人が参加している。
37%(Xセプションモデル),33%(インセプションV3),72%(ResNet-50)の精度は,25エポックモデルのトレーニング後の分類報告において達成された。
論文 参考訳(メタデータ) (2021-11-03T16:15:55Z) - Hand Hygiene Video Classification Based on Deep Learning [0.0]
手洗いのジェスチャーと片手ジェスチャーを併用した頑健なデータセットのサブセット。
トレーニング済みのニューラルネットワークモデルであるRES Net 50は、リニアハンドの動き、手のひらから手のひらまで、指を挟んだ手のひらという3つのカテゴリの分類に使用されるイメージネットの重みを持つ。
論文 参考訳(メタデータ) (2021-08-18T12:56:07Z) - Timely Tracking of Infection Status of Individuals in a Population [70.21702849459986]
住民の感染状況のリアルタイム追跡について検討した。
この研究では、医療提供者が感染症から回復した人だけでなく、感染した人々も検出したいと考えています。
論文 参考訳(メタデータ) (2020-12-24T18:49:22Z) - Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。
一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文 参考訳(メタデータ) (2020-06-23T03:36:19Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳(メタデータ) (2020-05-18T07:40:49Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳(メタデータ) (2020-05-07T16:13:12Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z)
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。