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

• arxiv url: http://arxiv.org/abs/2112.06657v3
• Date: Fri, 13 Dec 2024 02:08:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-16 15:00:04.762231
• 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, Tingting Zhang, Xin Wang, Pengcheng Wang, Han Ding, Jingang Shi, Jinsong Han, Dong Huang,
• Abstract要約: スマートウォッチを利用したハンドウォッシング手順評価のためのウェアラブルソリューションであるUWashを提案する。 我々は,ハンドウォッシング評価のタスクを,コンピュータビジョンと同様のアクションセグメンテーション問題とする。 51名の被験者による実験では、手洗いジェスチャー認識におけるUWash 92.27%の精度が示されている。
• 参考スコア（独自算出の注目度）: 26.612061375448445
• License:
• Abstract: Hand hygiene is among the most effective daily practices for preventing infectious diseases such as influenza, malaria, and skin infections. While professional guidelines emphasize proper handwashing to reduce the risk of viral infections, surveys reveal that adherence to these recommendations remains low. To address this gap, we propose UWash, a wearable solution leveraging smartwatches to evaluate handwashing procedures, aiming to raise awareness and cultivate high-quality handwashing habits. We frame the task of handwashing assessment as an action segmentation problem, similar to those in computer vision, and introduce a simple yet efficient two-stream UNet-like network to achieve this goal. Experiments involving 51 subjects demonstrate that UWash achieves 92.27% accuracy in handwashing gesture recognition, an error of <0.5 seconds in onset/offset detection, and an error of <5 points in gesture scoring under user-dependent settings. The system also performs robustly in user-independent and user-independent-location-independent evaluations. Remarkably, UWash maintains high performance in real-world tests, including evaluations with 10 random passersby at a hospital 9 months later and 10 passersby in an in-the-wild test conducted 2 years later. UWash is the first system to score handwashing quality based on gesture sequences, offering actionable guidance for improving daily hand hygiene. The code and dataset are publicly available at \url{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果的な日々の習慣の一つである。 プロのガイドラインでは、ウイルス感染のリスクを減らすための適切な手洗いが重視されているが、これらの勧告への固執は依然として低いことが調査で明らかになった。 このギャップに対処するために、スマートウォッチを活用したウェアラブルソリューションであるUWashを提案し、高い品質のハンドウォッシング習慣を育むことを目的とした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と同様の動作セグメント化問題としてハンドウォッシングアセスメントを課題とし、この目標を達成するために、単純だが効率的な2ストリームUNetのようなネットワークを導入する。 51人の被験者による実験では、UWashは手洗い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いて0.5秒未満の誤差、ユーザ依存設定下でのジェスチャースコアリングにおいて5ポイント未満の誤差を達成している。 システムはまた、ユーザ非依存およびユーザ非依存のロケーション非依存評価にも頑健に機能する。 注目すべきなのは、UWashは実世界のテストで高いパフォーマンスを維持しており、9ヶ月後に病院で10人の無作為な通行人、そして2年後に行われたフィンランドで10人の無作為な通行人などだ。 UWashはジェスチャーシーケンスに基づいて手洗い品質をスコアする最初のシステムであり、日常の手衛生を改善するための実用的なガイダンスを提供する。 コードとデータセットは \url{https://github.com/aiotgroup/UWash} で公開されている。

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。