論文の概要: You Can Wash Hands Better: Accurate Daily Handwashing Assessment with Smartwatches

• arxiv url: http://arxiv.org/abs/2112.06657v2
• Date: Sun, 14 Jul 2024 04:35:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-17 05:46:45.323161
• Title: You Can Wash Hands Better: Accurate Daily Handwashing Assessment with Smartwatches
• Title（参考訳）: スマートウォッチでハンドウォッシングを正確に評価する
• Authors: Fei Wang, Xilei Wu, Xin Wang, Han Ding, Jingang Shi, Jinsong Han, Dong Huang,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 21.502362740250174
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hand hygiene is one of the most efficient daily actions to prevent infectious diseases, such as Influenza, Malaria, and skin infections. We have been suggested to wash our hands under professional guidelines to prevent virus infection. However, several surveys show that very few people follow this suggestion. Thus we propose UWash, a wearable solution with smartwatches, to assess handwashing procedures for the purpose of raising users' awareness and cultivating habits of high-quality handwashing. We address the task of handwashing assessment from readings of motion sensors similar to the action segmentation problem in computer vision, and propose a simple and lightweight two-stream UNet-like network to achieve it effectively. Experiments over 51 subjects show that UWash achieves an accuracy of 92.27% on handwashing gesture recognition, <0.5 seconds error on onset/offset detection, and <5 points error on gesture scoring in the user-dependent setting, and keeps promising in the user-independent evaluation and the user-independent-location-independent evaluation. UWash even performs well on 10 random passersby in a hospital 9 months later. UWash is the first work that scores the handwashing quality by gesture sequences and is instructive to guide users in promoting hand hygiene in daily life. Code and data are avaliable at https://github.com/aiotgroup/UWash
• Abstract（参考訳）: ハンド衛生は、インフルエンザ、マラリア、皮膚感染症などの感染症を予防するための最も効率的な日々の行動の1つである。 ウイルス感染防止の専門的ガイドラインの下で手を洗うことを提案されている。 しかし、いくつかの調査では、この提案に従う人はごくわずかである。 そこで我々は,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,ユーザの意識を高め,高品質なハンドウォッシングの習慣を育むためにハンドウォッシング手順を評価する。 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類似した動作センサの読み出しによるハンドウォッシング評価の課題に対処し、それを効果的に実現するためのシンプルで軽量な2ストリームUNet風ネットワークを提案する。 51名以上の実験から,UWashは手洗いジェスチャー認識の精度92.27%,オンセット/オフセット検出の<0.5秒エラー,ユーザ依存設定のジェスチャースコアリングの<5ポイントエラーを達成し,ユーザ非依存評価とユーザ非依存位置非依存評価を継続することが示された。 UWashは、9ヶ月後に病院で10人の無作為な通行人でもうまく機能する。 UWashは、ジェスチャーのシーケンスによってハンドウォッシングの質を評価する最初の作品であり、日常生活における手衛生の促進を指導するための指導である。 code and data are avaliable at https://github.com/aiotgroup/UWash

関連論文リスト

• Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
  ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。 混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。 UE識別のための反復フィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T13:26:13Z)
• Classifier Guidance Enhances Diffusion-based Adversarial Purification by Preserving Predictive Information [75.36597470578724]
  敵の浄化は、敵の攻撃からニューラルネットワークを守るための有望なアプローチの1つである。 分類器決定境界から遠ざかって, 清浄するgUided Purification (COUP)アルゴリズムを提案する。 実験結果から, COUPは強力な攻撃法でより優れた対向的堅牢性が得られることが示された。
  論文  参考訳（メタデータ） (2024-08-12T02:48:00Z)
• 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)
• 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 high performance fingerprint liveness detection method based on quality related features [66.41574316136379]
  このシステムは、10,500枚以上の実画像と偽画像からなる非常に難しいデータベースでテストされている。 提案手法はマルチシナリオデータセットに対して堅牢であることが証明され、全体の90%が正しく分類されたサンプルである。
  論文  参考訳（メタデータ） (2021-11-02T21:09:39Z)
• 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)
• 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)
• 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。