身体地标和基于遗传算法的方法,用于在中国青少年中非接触式检测头向前的姿势:在医学中振兴机器学习
Guang Yang1, Shichun He1, Deyu Meng1
1Chinese Center of Exercise Epidemiology, Northeast Normal University, Renmin Street, Changchun, 130024, Jilin, China.
BMC medical informatics and decision making
|September 11, 2023
概括
本研究引入了一种新的非接触式机器学习方法,用于检测前置头部姿势 (FHP). 该方法使用身体地标和遗传算法准确识别FHP,提供更快,更有效的查解决方案.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
背景情况:
- 前进头部姿势 (FHP) 由于成本,复杂性和坚持问题,在检测方面存在挑战.
- 流行病学调查对于了解与姿势相关的健康问题至关重要.
研究的目的:
- 开发和验证一种基于非接触式机器学习的新方法,用于准确检测FHP.
- 解决目前FHP检测方法在成本,复杂性和坚持性方面的局限性.
主要方法:
- 在中国进行了一项流行病学调查和姿势查.
- 开发了一种机器学习方法,利用人体图像中的身体地标.
- 为了精确的特征识别和姿势估计,使用了一种遗传算法.
主要成果:
- 额外树分类器技术在FHP检测方面表现出高效.
- 获得了82.4%的准确性,85.5%的特异性和90.2%的积极预测值.
- 该模型为FHP识别提供了快速有效的解决方案.
结论:
- 特征点识别和遗传算法的融合为非接触姿势检测提供了变革的潜力.
- 这种方法在解决FHP检测挑战方面取得了重大进展.
- 强调这些应用在姿势分析中的重要性和潜力.
