論文の概要: A Novel IoT-based Framework for Non-Invasive Human Hygiene Monitoring
using Machine Learning Techniques
- arxiv url: http://arxiv.org/abs/2207.03529v1
- Date: Thu, 7 Jul 2022 18:48:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-15 09:59:47.455275
- Title: A Novel IoT-based Framework for Non-Invasive Human Hygiene Monitoring
using Machine Learning Techniques
- Title（参考訳）: 機械学習技術を用いた非侵襲的人間衛生モニタリングのための新しいiotベースフレームワーク
- Authors: Md Jobair Hossain Faruk, Shashank Trivedi, Mohammad Masum, Maria
Valero, Hossain Shahriar, Sheikh Iqbal Ahamed
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.4260605984981949
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: People's personal hygiene habits speak volumes about the condition of taking
care of their bodies and health in daily lifestyle. Maintaining good hygiene
practices not only reduces the chances of contracting a disease but could also
reduce the risk of spreading illness within the community. Given the current
pandemic, daily habits such as washing hands or taking regular showers have
taken primary importance among people, especially for the elderly population
living alone at home or in an assisted living facility. This paper presents a
novel and non-invasive framework for monitoring human hygiene using vibration
sensors where we adopt Machine Learning techniques. The approach is based on a
combination of a geophone sensor, a digitizer, and a cost-efficient computer
board in a practical enclosure. Monitoring daily hygiene routines may help
healthcare professionals be proactive rather than reactive in identifying and
controlling the spread of potential outbreaks within the community. The
experimental result indicates that applying a Support Vector Machine (SVM) for
binary classification exhibits a promising accuracy of ~95% in the
classification of different hygiene habits. Furthermore, both tree-based
classifier (Random Forrest and Decision Tree) outperforms other models by
achieving the highest accuracy (100%), which means that classifying hygiene
events using vibration and non-invasive sensors is possible for monitoring
hygiene activity.
- Abstract（参考訳）: 人々の個人的衛生習慣は、日常生活における身体と健康のケアの状況に関するボリュームを語る。
良い衛生的慣行を維持することは、病気に罹患する可能性を減らすだけでなく、コミュニティ内で病気を広めるリスクを下げる可能性がある。
現在のパンデミックを踏まえると、手洗いや定期シャワーを浴びるといった日常的な習慣は、特に高齢者が自宅で一人で暮らしたり、生活支援施設で暮らしたりすることが重要になっている。
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非侵襲的枠組みを提案する。
このアプローチは、ジオフォンセンサー、デジタイザ、およびコスト効率の良いコンピュータボードを、実用的な囲い込みで組み合わせたものである。
毎日の衛生的なルーチンを監視することは、医療専門家がコミュニティ内のアウトブレイクの可能性を識別し、コントロールするのに役立つ。
実験の結果,サポートベクターマシン (svm) をバイナリ分類に適用すると, 異なる衛生習慣の分類において約95%の精度が期待できることがわかった。
さらに、木に基づく分類器(ランダムフォレストと決定木)は、最も高い精度(100%)を達成することで、他のモデルよりも優れており、振動と非侵襲センサーを用いて衛生事象を分類することで、衛生活動を監視することができる。
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) - COVID-Net Biochem: An Explainability-driven Framework to Building
Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19
Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。
この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文 参考訳（メタデータ） (2022-04-24T07:38:37Z) - 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) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - 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) - A Deep Transfer Learning-based Edge Computing Method for Home Health
Monitoring [20.17535790986831]
家庭の健康監視は、家庭の健康サービスの非侵襲的なサブエリアです。
事前訓練された畳み込みニューラルネットワークベースのモデルは、少量のグラウンドラベル付きデータでエッジデバイスを活用することができる。
RGB、深度、またはサーマルセンサーでキャプチャされたビジュアルデータのオンサイトコンピューティングは、手頃な価格で可能です。
論文 参考訳（メタデータ） (2021-04-28T17:01:41Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - 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) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - 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) - 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。