评估非特异性部疼痛通过基于合奏学习的图像的姿势估计.
Jiunn-Horng Kang1,2, En-Han Hsieh3, Cheng-Yang Lee3
1Department of Physical Medicine and Rehabilitation, Taipei Medical University Hospital, Taipei 110, Taiwan.
Life (Basel, Switzerland)
|December 23, 2023
概括
这项研究开发了一个人工智能模型,使用常见的摄像头来预测计算机姿势的部疼痛. 该模型准确地识别出不良姿势,提供了一个低成本的临床评估工具.
科学领域:
- 人体工程学和人机交互的人机交互
- 医疗保健中的人工智能
- 数字健康和可穿戴技术
背景情况:
- 长时间使用电脑与不良姿势和部疼痛有关.
- 关于现实世界计算机使用态度的数据有限.
- 部疼痛是现代数字设备使用加剧的常见问题.
研究的目的:
- 开发一种用于识别非特异性部疼痛的预测模型.
- 使用基于AI的姿势估计来分析计算机用户的姿势.
- 评估使用2D视频用于姿势分析的可行性.
主要方法:
- 使用常见的摄像头来记录计算机任务 (打字,游戏,观看视频).
- 应用AI的姿势估计分析头部和身体姿势指标.
- 使用机器学习模型 (随机森林,XGBoost,物流回归,集体学习) 来进行预测.
主要成果:
- 一个集体学习模型实现了87%的准确性,92%的精度和80.3%的回忆.
- 该模型表现出高特异性 (95.5%) 和 0.878.8 的 AUROC.
- 功能选择和嵌套交叉验证精制模型性能.
结论:
- 使用2D视频成功开发了一种非特定的部疼痛预测模型.
- 该方法不需要昂贵的设备,高级设置或额外的传感器.
- 这种方法提供了一种有效的临床工具,用于评估计算机使用期间的不良姿势.
更多相关视频
06:20Author Spotlight: Development of an Automated Camera-Based System for Real-Time Blast Overpressure Monitoring and TBI Risk Assessment in Military Training
Published on: December 6, 2024
2.8K
14:08Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
Published on: April 13, 2013
42.6K
