論文の概要: You Can Wash Better: Daily Handwashing Assessment with Smartwatches
- arxiv url: http://arxiv.org/abs/2112.06657v1
- Date: Thu, 9 Dec 2021 12:23:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-14 19:19:59.132012
- Title: You Can Wash Better: Daily Handwashing Assessment with Smartwatches
- Title（参考訳）: スマートウォッチで毎日手洗いのアセスメントができる
- Authors: Fei Wang, Xilei Wu, Xin Wang, Jianlei Chi, Jingang Shi, Dong Huang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 29.78753562127044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose UWash, an intelligent solution upon smartwatches, to assess
handwashing for the purpose of raising users' awareness and cultivating habits
in high-quality handwashing. UWash can identify the onset/offset of
handwashing, measure the duration of each gesture, and score each gesture as
well as the entire procedure in accordance with the WHO guidelines.
Technically, we address the task of handwashing assessment as the semantic
segmentation problem in computer vision, and propose a lightweight UNet-like
network, only 496KBits, to achieve it effectively. Experiments over 51 subjects
show that UWash achieves the accuracy of 92.27\% on sample-wise handwashing
gesture recognition, $<$0.5 \textit{seconds} error in onset/offset detection,
and $<$5 out of 100 \textit{points} error in scoring in the user-dependent
setting, while remains promising in the cross-user evaluation and in the
cross-user-cross-location evaluation.
- Abstract（参考訳）: 高級手洗いにおけるユーザの意識を高め,習慣を育む目的で手洗いを評価するための,スマートウォッチに対するインテリジェントなソリューションであるuwashを提案する。
UWashは、手洗いのオンセット/オフセットを特定し、各ジェスチャーの時間を測定し、WHOガイドラインに従って各ジェスチャーと手順全体のスコアを付けることができる。
技術的には、コンピュータビジョンにおけるセマンティックセグメンテーション問題としてのハンドウォッシングアセスメントの課題に対処し、496KBの軽量なUNetネットワークを提案する。
51人以上の被験者による実験の結果,UWashはサンプルワイドハンドウォッシングジェスチャー認識において92.27\%の精度,オンセット/オフセット検出における$<$0.5 \textit{seconds}エラー,ユーザ依存設定における100 \textit{points}エラーの$<$5が得られた。
関連論文リスト
- Multi-modal Atmospheric Sensing to Augment Wearable IMU-Based Hand Washing Detection [6.8093214146903875]
我々は、湿度、温度、気圧センサーを付加した、オープンソースの新しいプロトタイプ装置を提案する。
視覚検査により、特に湿度センサは、手洗い活動中に相対湿度が強く上昇していることが分かる。
機械学習によるデータの解析から、このような相対湿度パターンから恩恵を受ける特徴がまだ特定されていないことが分かる。
論文 参考訳（メタデータ） (2024-09-17T14:04:56Z) - 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) - Diffusion Denoising as a Certified Defense against Clean-label Poisoning [56.04951180983087]
本稿では,市販の拡散モデルを用いて,改ざんしたトレーニングデータを浄化する方法を示す。
7件のクリーンラベル中毒に対する我々の防御を広範囲に検証し、その攻撃成功率を0-16%に抑え、テスト時間の精度は無視できない程度に低下した。
論文 参考訳（メタデータ） (2024-03-18T17:17:07Z) - 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) - WHO-Hand Hygiene Gesture Classification System [0.0]
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。
論文 参考訳（メタデータ） (2021-10-06T15:15:10Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - 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) - 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) - iWash: A Smartwatch Handwashing Quality Assessment and Reminder System
with Real-time Feedback in the Context of Infectious Disease [5.635081988566902]
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。
論文 参考訳（メタデータ） (2020-09-22T04:52:35Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z) - 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。