論文の概要: Depth-Weighted Detection of Behaviours of Risk in People with Dementia using Cameras
- arxiv url: http://arxiv.org/abs/2408.15519v1
- Date: Wed, 28 Aug 2024 04:12:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-29 17:12:56.276542
- Title: Depth-Weighted Detection of Behaviours of Risk in People with Dementia using Cameras
- Title（参考訳）: カメラを用いた認知症者のリスク行動の深さ重み検出
- Authors: Pratik K. Mishra, Irene Ballester, Andrea Iaboni, Bing Ye, Kristine Newman, Alex Mihailidis, Shehroz S. Khan,
- Abstract要約: 認知症の行動・心理的症状、例えば扇動や攻撃といった症状は、在宅ケアの環境において重大な健康・安全リスクを生じさせる。
医療施設は公共空間のデジタル監視のためにビデオカメラを設置しており、リスク検出システムの自動動作を開発するために利用することができる。
前回の研究では、カメラの近くで起きている活動による視界の妨害による誤報の存在が課題であった。
我々は、カメラの近距離および遠距離の両方で発生する事象に匹敵する重要性を示すために、カスタマイズされた畳み込みオートエンコーダを訓練するための新しい深度重み付き損失関数を提案した。
- 参考スコア（独自算出の注目度）: 3.6855408155998215
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The behavioural and psychological symptoms of dementia, such as agitation and aggression, present a significant health and safety risk in residential care settings. Many care facilities have video cameras in place for digital monitoring of public spaces, which can be leveraged to develop an automated behaviours of risk detection system that can alert the staff to enable timely intervention and prevent the situation from escalating. However, one of the challenges in our previous study was the presence of false alarms due to obstruction of view by activities happening close to the camera. To address this issue, we proposed a novel depth-weighted loss function to train a customized convolutional autoencoder to enforce equivalent importance to the events happening both near and far from the cameras; thus, helping to reduce false alarms and making the method more suitable for real-world deployment. The proposed method was trained using data from nine participants with dementia across three cameras situated in a specialized dementia unit and achieved an area under the curve of receiver operating characteristic of $0.852$, $0.81$ and $0.768$ for the three cameras. Ablation analysis was conducted for the individual components of the proposed method and the performance of the proposed method was investigated for participant-specific and sex-specific behaviours of risk detection. The proposed method performed reasonably well in detecting behaviours of risk in people with dementia motivating further research toward the development of a behaviours of risk detection system suitable for deployment in video surveillance systems in care facilities.
- Abstract（参考訳）: 認知症の行動・心理的症状、例えば扇動や攻撃といった症状は、在宅ケアの環境において重大な健康・安全リスクを生じさせる。
多くの医療施設は、公共空間のデジタル監視のためにビデオカメラを設置しており、リスク検出システムの自動動作を開発するために利用することができ、スタッフにタイムリーな介入とエスカレーションの防止を警告することができる。
しかし,前回の研究では,カメラ近傍で発生する活動による視界の妨害による誤報の存在が課題であった。
この問題に対処するため,我々は,カメラの近距離および遠距離で発生する事象に対して同等の重要度を強制する,カスタマイズされた畳み込みオートエンコーダを訓練するための,新しい深度重み付き損失関数を提案した。
提案手法は, 特殊な認知症ユニットに属する3台のカメラで認知症の9人の被験者のデータを用いて訓練し, 3台のカメラに対して0.852$,$0.81$, $0.768$の受信機動作特性の曲線を達成した。
提案手法の個別成分に対するアブレーション分析を行い, リスク検出の参加者特異的および性特異的な行動について, 提案手法の性能について検討した。
本手法は,認知症者におけるリスクの行動検出において合理的に実施され,介護施設におけるビデオ監視システムへの展開に適したリスク検出システムの開発に向けたさらなる研究を動機づけるものである。
関連論文リスト
- DPMesh: Exploiting Diffusion Prior for Occluded Human Mesh Recovery [71.6345505427213]
DPMeshは、人間のメッシュリカバリを排除した革新的なフレームワークである。
これは、事前訓練されたテキスト・ツー・イメージ拡散モデルに埋め込まれた対象構造と空間的関係について、より深い拡散に乗じる。
論文 参考訳（メタデータ） (2024-04-01T18:59:13Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Privacy-Protecting Behaviours of Risk Detection in People with Dementia
using Videos [4.264550333891292]
認知症者のリスク行動を検出するために,2つの新しいプライバシー保護型ビデオベース異常検出手法を提案する。
我々は、身体のポーズ情報を骨格として抽出し、セマンティックセグメンテーションマスクを用いてシーン内の複数の人間をセマンティック境界に置き換えた。
これは、認知症患者のリスクの行動を検出するために、プライバシを組み込んだ最初の研究の1つである。
論文 参考訳（メタデータ） (2022-12-20T22:55:46Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳（メタデータ） (2021-12-20T13:29:13Z) - Deep Convolution Network Based Emotion Analysis for Automatic Detection
of Mild Cognitive Impairment in the Elderly [15.217754542927961]
認知障害の早期発見は、患者と介護者の両方にとって非常に重要である。
認知障害患者には異常な感情パターンが認められた。
本稿では,認知障害を検出するための新しい深層畳み込みネットワークシステムを提案する。
論文 参考訳（メタデータ） (2021-11-09T11:51:33Z) - Surveillance Evasion Through Bayesian Reinforcement Learning [78.79938727251594]
ランダム終端の強度が全く不明な2次元連続経路計画問題を考える。
これらのオブザーバーの監視強度は未知であり、反復的な経路計画を通じて学ぶ必要がある。
論文 参考訳（メタデータ） (2021-09-30T02:29:21Z) - Video-Based Inpatient Fall Risk Assessment: A Case Study [23.712621878547697]
入院中の転倒は、病院や医療施設で深刻な安全上の問題である。
患者監視のためのビデオ分析の最近の進歩は、継続的な活動監視を通じてこのリスクを低減するために、非侵襲的な方法を提供している。
本稿では,患者の転倒リスクを監視できるビデオベースシステムを提案する。
論文 参考訳（メタデータ） (2021-05-27T13:02:29Z) - Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。
我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
論文 参考訳（メタデータ） (2020-09-01T10:12:30Z) - DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment
in COVID-19 Pandemic [1.027974860479791]
世界保健機関(WHO)は、公衆の場での新型コロナウイルスの感染拡大を最小限に抑えるため、ソーシャルディスタンシング(Social Distancing)を推奨している。
コンピュータビジョンとYOLOv4ベースのDeep Neural Networkモデルを開発した。
開発されたモデルは汎用的で正確な人物検出・追跡ソリューションであり、他の多くの分野に適用できる。
論文 参考訳（メタデータ） (2020-08-26T16:56:57Z) - Inter-Homines: Distance-Based Risk Estimation for Human Safety [44.266630835933434]
本システムは,ビデオストリームの分析により,監視領域における感染リスクをリアルタイムに評価する。
3D空間の人々を特定でき、距離を計算し、リスクレベルを予測することができる。
インターホーマインは、屋内と屋外の両方で、公共と民間の混雑した地域で機能している。
論文 参考訳（メタデータ） (2020-07-20T16:32:27Z) - 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。