使用深度学习进行出行行为评估

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 临床生物力学 临床生物力学

背景情况:

• 准确量化患者的出行情况对于康复和临床决策至关重要.
• 评估行走的传统方法可能是主观的和劳动密集的.
• 需要客观的,自动化的工具来监测临床环境中的患者流动性.

研究的目的:

• 开发和验证基于深度神经网络的系统,用于检测人员和辅助设备.
• 用计算机视觉和机器学习量化各种出院活动和行为.
• 为临床医生和住院患者之间共同设定目标提供数据.

主要方法:

• 实现了一个定制的深度神经网络对象检测算法.
• 该系统在临床环境中检测个人和辅助设备.
• 提取的特征被用作机器学习模型的输入,以量化行走及其模式.

主要成果:

• 该系统成功检测到人员和相关辅助设备.
• 实现了对不同门诊活动和相关行为进行量化.
• 该系统准确地确定了一个人如何行走以及他们的行走模式.

结论:

• 开发的系统提供了一个客观的方法来评估患者的出行情况.
• 这项技术有助于创建,监控和调整门诊目标.
• 它支持临床医生和患者在管理流动性方面加强合作.