在护理护理中缺失和错误识别骨的补偿方法通过改进空间时间图形卷积网络来评估护理行动
Xin Han1, Norihiro Nishida2, Minoru Morita1
1Faculty of Engineering, Yamaguchi University Graduate School of Sciences and Technology for Innovation, 2-16-1 Tokiwadai, Ube City 755-0097, Yamaguchi Prefecture, Japan.
Bioengineering (Basel, Switzerland)
|February 23, 2024
概括
这项研究引入了改进的空间时间图卷积网络 (ST-GCN),以准确评估护理任务人体工程学. 该方法增强了骨的完整性,减少了医疗保健工作者在姿势风险评估中的错误.
科学领域:
- 人体工程学和职业健康学
- 计算机视觉和机器学习
- 医疗保健技术 技术 医疗保健 技术
背景情况:
- 人口老龄化增加了护理人员中与工作相关的肌肉骨疾病 (WMSDs) 的风险.
- 目前以视觉为基础的姿势估计方法 (例如,OpenPose) 与重叠和交互式护理任务作斗争,导致骨架误识和数据丢失.
- 准确的人体工程姿势风险评估对于预防医疗保健环境中的WMSD至关重要.
研究的目的:
- 开发和验证一种新的骨架补偿方法,以提高护理任务中人体工程学风险评估的准确性.
- 解决复杂,交互式护理场景中现有的姿势估计技术的局限性.
- 提高在护理环境中计算关节角度和风险分数 (例如,REBA) 的可靠性.
主要方法:
- 为骨架补偿提出了一个改进的空间时间图卷积网络 (ST-GCN).
- 集成的动力链和动作特征,以评估和纠正骨完整性.
- 评估了该方法在优化护理任务期间骨损失和错误识别方面的性能.
主要成果:
- 拟议的ST-GCN方法有效地优化了护理任务中的骨损失和错误识别.
- 在计算骨架关节角度和REBA分数方面证明了更高的准确性.
- 与其他骨架补偿方法相比,获得了87.34%的优异REBA准确度得分.
结论:
- 开发的骨架补偿方法显示了提高护理工程学评估准确性的巨大潜力.
- 这种方法通过提高复杂的医疗保健任务中姿势估计的可靠性,为缓解WMSD提供了一个有希望的解决方案.
- 该方法的进一步应用可能会导致优化安全协议,并减少护理人员的职业风险.
