論文の概要: Real-Time Automated donning and doffing detection of PPE based on Yolov4-tiny
- arxiv url: http://arxiv.org/abs/2407.17471v1
- Date: Mon, 10 Jun 2024 19:38:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-05 01:45:45.346374
- Title: Real-Time Automated donning and doffing detection of PPE based on Yolov4-tiny
- Title（参考訳）: Yolov4-tinyに基づくPPEのリアルタイム自動ドッキングとドッフィング検出
- Authors: Anusha Verma, Ghazal Ghajari, K M Tawsik Jawad, Dr. Hugh P. Salehi, Dr. Fathi Amsaad,
- Abstract要約: リアルタイムオブジェクト検出とユニークなシークエンシングアルゴリズムを用いて、ドッキングとドッフィングのプロセスをリアルタイムで識別し、決定する。
組み込みシステムアーキテクチャにおける小さな機械学習(yolov4-tiny)は、異なるヘルスケア環境でのデプロイが実現可能で費用対効果がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Maintaining patient safety and the safety of healthcare workers (HCWs) in hospitals and clinics highly depends on following the proper protocol for donning and taking off personal protective equipment (PPE). HCWs can benefit from a feedback system during the putting on and removal process because the process is cognitively demanding and errors are common. Centers for Disease Control and Prevention (CDC) provided guidelines for correct PPE use which should be followed. A real time object detection along with a unique sequencing algorithms are used to identify and determine the donning and doffing process in real time. The purpose of this technical research is two-fold: The user gets real time alert to the step they missed in the sequence if they don't follow the proper procedure during donning or doffing. Secondly, the use of tiny machine learning (yolov4-tiny) in embedded system architecture makes it feasible and cost-effective to deploy in different healthcare settings.
- Abstract（参考訳）: 病院や診療所における医療従事者(HCW)の安全と安全を維持することは、個人用防護具(PPE)の装着・取外しに関する適切なプロトコルに従うことに依存している。
HCWは、プロセスが認知的に要求され、エラーが一般的であるため、着用および除去プロセス中にフィードバックシステムから恩恵を受けることができる。
CDC(Centers for Disease Control and Prevention, 疾病予防センター)は、PPEを正しく使用するためのガイドラインを策定した。
ユニークなシークエンシングアルゴリズムとともに、リアルタイムオブジェクト検出を使用して、ドッキングとドッフィングのプロセスをリアルタイムで識別し、決定する。
この技術研究の目的は2つある: 利用者は、ドッキングやドッフィング中に適切な手順に従わなければ、シーケンスで見逃したステップに対してリアルタイムに警告を受ける。
第二に、組み込みシステムアーキテクチャにおける小さな機械学習(yolov4-tiny)を使用することで、異なるヘルスケア環境でのデプロイが実現可能でコスト効率が向上する。
関連論文リスト
- Beyond One-Time Validation: A Framework for Adaptive Validation of Prognostic and Diagnostic AI-based Medical Devices [55.319842359034546]
既存のアプローチは、これらのデバイスを実際にデプロイする際の複雑さに対処するのに不足することが多い。
提示されたフレームワークは、デプロイメント中に検証と微調整を繰り返すことの重要性を強調している。
現在の米国とEUの規制分野に位置づけられている。
論文 参考訳（メタデータ） (2024-09-07T11:13:52Z) - WarpEM: Dynamic Time Warping for Accurate Catheter Registration in
EM-guided Procedures [42.72633281833923]
本稿ではEM誘導MIEPのための新しい自動カテーテル登録法を提案する。
この方法は、動的時間ワープ(DTW)アルゴリズムなどの3次元信号時間解析を用いて、登録精度と信頼性を向上させる。
その結果、DTW法は、平均誤差が2.22$mmの正確で信頼性の高い登録結果が得られることが示された。
論文 参考訳（メタデータ） (2023-08-07T15:07:21Z) - Video object detection for privacy-preserving patient monitoring in
intensive care [0.0]
ビデオフレームの時間的継承における情報を活用する新しい手法を提案する。
我々のメソッドは標準のYOLOv5ベースラインモデルを+1.7%mAP@.5で上回り、プロプライエタリなデータセットで10倍以上高速にトレーニングします。
論文 参考訳（メタデータ） (2023-06-26T11:52:22Z) - PAC-Based Formal Verification for Out-of-Distribution Data Detection [4.406331747636832]
本研究は、VAEの符号化プロセスを用いて、OOD検出に基づくほぼ正しい(PAC)保証を行う。
ユーザ定義の信頼性で不慣れなインスタンスに検出エラーをバインドするために使用される。
論文 参考訳（メタデータ） (2023-04-04T07:33:02Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Design Methodology for Deep Out-of-Distribution Detectors in Real-Time
Cyber-Physical Systems [5.233831361879669]
アウト・オブ・ディストリビューション(OOD)検出器はMLモデルと並行して動作し、フラグ入力は望ましくない結果をもたらす可能性がある。
本研究は,組込みアプリケーションの精度および応答時間要求を満たすため,深部OOD検出器をチューニングするための設計手法を提案する。
論文 参考訳（メタデータ） (2022-07-29T14:06:27Z) - Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral
Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。
本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。
提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
論文 参考訳（メタデータ） (2022-01-11T13:55:57Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Personalized Rehabilitation Robotics based on Online Learning Control [62.6606062732021]
本稿では,各ユーザに対して実行時の制御力をパーソナライズ可能な,新しいオンライン学習制御アーキテクチャを提案する。
提案手法を,学習コントローラがパーソナライズされた制御を提供するとともに,安全な相互作用力も得られる実験ユーザスタディで評価した。
論文 参考訳（メタデータ） (2021-10-01T15:28:44Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-09-24T00:42:36Z) - A Real-time Robot-based Auxiliary System for Risk Evaluation of COVID-19
Infection [31.76845310194196]
本稿では,新型コロナウイルス感染リスク評価のためのロボットによるリアルタイム補助システムを提案する。
リアルタイム音声認識、温度測定、キーワード検出、粗い検出、その他の機能を組み合わせる。
論文 参考訳（メタデータ） (2020-08-18T01:58:52Z)
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。