論文の概要: A Deep Learning Based Automated Hand Hygiene Training System

• arxiv url: http://arxiv.org/abs/2112.05667v1
• Date: Fri, 10 Dec 2021 17:01:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-13 14:06:51.818249
• Title: A Deep Learning Based Automated Hand Hygiene Training System
• Title（参考訳）: 深層学習に基づく自動衛生訓練システム
• Authors: Mobina Shahbandeh, Fatemeh Ghaffarpour, Sina Vali, Mohammad Amin Haghpanah, Amin Mousavi Torkamani, Mehdi Tale Masouleh, Ahmad Kalhor
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.12313056815753944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hand hygiene is crucial for preventing viruses and infections. Due to the pervasive outbreak of COVID-19, wearing a mask and hand hygiene appear to be the most effective ways for the public to curb the spread of these viruses. The World Health Organization (WHO) recommends a guideline for alcohol-based hand rub in eight steps to ensure that all surfaces of hands are entirely clean. As these steps involve complex gestures, human assessment of them lacks enough accuracy. However, Deep Neural Network (DNN) and machine vision have made it possible to accurately evaluate hand rubbing quality for the purposes of training and feedback. In this paper, an automated deep learning based hand rub assessment system with real-time feedback is presented. The system evaluates the compliance with the 8-step guideline using a DNN architecture trained on a dataset of videos collected from volunteers with various skin tones and hand characteristics following the hand rubbing guideline. Various DNN architectures were tested, and an Inception-ResNet model led to the best results with 97% test accuracy. In the proposed system, an NVIDIA Jetson AGX Xavier embedded board runs the software. The efficacy of the system is evaluated in a concrete situation of being used by various users, and challenging steps are identified. In this experiment, the average time taken by the hand rubbing steps among volunteers is 27.2 seconds, which conforms to the WHO guidelines.
• Abstract（参考訳）: 手衛生はウイルスや感染症の予防に不可欠である。 新型コロナウイルス(covid-19)の感染拡大により、マスクと手衛生を身につけることが、感染拡大を抑制する最も効果的な方法に思える。 世界保健機関(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。 これらのステップは複雑なジェスチャーを含むため、人間の評価には十分な精度が欠けている。 しかし、Deep Neural Network(DNN)とマシンビジョンにより、トレーニングとフィードバックのために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自動深層学習型ハンドルーブ評価システムを提案する。 本システムでは, 各種皮膚音と手指特性を有するボランティアのビデオデータセット上でトレーニングされたdnnアーキテクチャを用いて, 8段階のガイドラインの遵守度を評価する。 様々なDNNアーキテクチャがテストされ、Inception-ResNetモデルが97%のテスト精度で最高の結果をもたらした。 提案システムでは,NVIDIA Jetson AGX Xavier 組み込みボードがソフトウェアを動作させる。 各種利用者が使用する具体的な状況下でシステムの有効性を評価し,課題を特定した。 この実験では、ボランティアの手をこすった歩数の平均時間は27.2秒であり、WHOのガイドラインに従っている。

関連論文リスト

• Learning Visuotactile Skills with Two Multifingered Hands [80.99370364907278]
  マルチフィンガーハンドとバイソタクティブルデータを用いたバイマニアルシステムを用いて,人間の実演からの学習を探索する。 以上の結果から,バイスオタクティブルデータからの両指多指操作における有望な進歩が示唆された。
  論文  参考訳（メタデータ） (2024-04-25T17:59:41Z)
• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• Handwashing Action Detection System for an Autonomous Social Robot [0.0]
  幼児は不適切な手衛生のため、新型コロナウイルスなどの伝染病に罹患するリスクが高まっている。 子どもを手洗いしながら観察し、良い手洗いを奨励する自律型ソーシャルエージェントは、手洗い行動が習慣になる機会を提供する。 本稿では,ソーシャルロボットプラットフォームにおける視覚システムの一部であるヒューマンアクション認識システムについて述べる。
  論文  参考訳（メタデータ） (2022-10-27T23:46:56Z)
• You Can Wash Hands Better: Accurate Daily Handwashing Assessment with Smartwatches [21.502362740250174]
  スマートウォッチを用いたウェアラブルソリューションであるUWashを提案し,ハンドウォッシングの手順を評価する。 コンピュータビジョンにおけるアクションセグメンテーション問題と同様の動作センサの読み書きによるハンドウォッシング評価の課題に対処する。 51人以上の被験者による実験では、UWashはハンドウォッシングジェスチャー認識において92.27%の精度を達成している。
  論文  参考訳（メタデータ） (2021-12-09T12:23:06Z)
• Feature Detection for Hand Hygiene Stages [0.0]
  世界保健機関(WHO)のガイドラインでは、手を洗うための主要なステップが6つある。 本報告では, 頑健な手洗いデータセットを作成するためのアルミニウムリグ構造について詳述する。 ハンドポーズ抽出と特徴検出のための画像処理とコンピュータビジョンアルゴリズムの助けを借りた予備的な結果を示す。
  論文  参考訳（メタデータ） (2021-08-06T09:21:03Z)
• HandVoxNet++: 3D Hand Shape and Pose Estimation using Voxel-Based Neural Networks [71.09275975580009]
  HandVoxNet++は、完全に教師された方法でトレーニングされた3Dおよびグラフ畳み込みを備えた、ボクセルベースのディープネットワークである。 HandVoxNet++は2つの手形状表現に依存している。1つは手形状の3Dボキセル化グリッドで、メッシュトポロジを保存していない。 我々は、新しいニューラルグラフ畳み込みに基づくメッシュレジストレーション(GCN-MeshReg)または古典的セグメントワイド非リジッド重力法(NRGA++)と、手表面をボキセル化ハンド形状に整列させることにより、両表現の利点を組み合わせる。
  論文  参考訳（メタデータ） (2021-07-02T17:59:54Z)
• Where is my hand? Deep hand segmentation for visual self-recognition in humanoid robots [129.46920552019247]
  本稿では、画像からロボットの手を切り離すための畳み込みニューラルネットワーク(CNN)を提案する。 ヒューマノイドロボットVizzyの手のセグメンテーションのために,Mask-RCNNネットワークを微調整した。
  論文  参考訳（メタデータ） (2021-02-09T10:34:32Z)
• 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)
• Physics-Based Dexterous Manipulations with Estimated Hand Poses and Residual Reinforcement Learning [52.37106940303246]
  ノイズの多い入力ポーズをターゲットの仮想ポーズにマッピングするモデルを学習する。 モデルフリーハイブリッドRL+ILアプローチを用いて残留条件下で訓練する。 筆者らは,VRにおける手動物体の相互作用と,それを用いた手動物体の動作再構成という,手動姿勢推定を用いた2つのアプリケーションで,我々のフレームワークを検証した。
  論文  参考訳（メタデータ） (2020-08-07T17:34:28Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Fully Automated Hand Hygiene Monitoring\\in Operating Room using 3D Convolutional Neural Network [0.0]
  病院接種感染症(HAI)予防の最も重要な要因は手衛生である 畳み込みニューラルネット(CNN)による理解の最近の進歩は、人間の行動の認識と検出の応用を増大させている。 そこで本研究では,3次元CNNを用いた時間的特徴を用いたORビデオにおけるアルコール系手こりの完全自動モニタリングツールを提案する。
  論文  参考訳（メタデータ） (2020-03-20T03:18:15Z)

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。