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

• 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。