相关实验视频
Updated: Jun 3, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.6K
机器学习的应用用于检测中年工人的高跌倒风险,使用视频分析对前3个步骤的分析
Naoki Sakane1, Ken Yamauchi2, Ippei Kutsuna1
1Division of Preventive Medicine, Clinical Research Institute, National Hospital Organization Kyoto Medical Center, 1-1 Mukaihata-cho, Fukakusa, Fushimi-ku, Kyoto 612-8555, Japan.
Journal of occupational health
|January 10, 2025
概括
机器学习使用初始步态分析准确预测中年男性的跌倒风险. 需要进一步改进,以提高工作场所防摔计划中女性的预测准确度.
科学领域:
- 职业健康 职业健康 职业健康
- 生物机械工程 生物机械工程
- 机器学习应用 机器学习应用
背景情况:
- 跌倒是工作场所伤害的主要原因,突出了有效的跌倒风险评估的必要性.
- 个性化防摔计划需要精确查落易感性.
- 机器学习 (ML) 提供了开发工作场所事故预测模型的潜力.
研究的目的:
- 开发和验证一款用于预测高跌风险的机器学习模型.
- 使用基于视频的分析,对步行特征提取的前三步进行分析.
- 专注于中年工人,一个易受工作场所暴跌的人口.
主要方法:
- 使用姿势估计 (MediaPipe Pose) 在前三个步骤的视频录制上.
- 提取的步态特征包括手臂,腿,干部和骨盆的运动.
- 员工分层 k-fold 交叉验证与秋季历史数据用于模型培训和验证.
主要成果:
- 在男性中确定了3个步态特征,曲线下的面积 (AUC) 为0.909,表明了优秀的跌倒风险分类.
- 在女性中确定了5个步态特征,AUC为0.670,表明足够的跌倒风险分类.
- 机器学习模型在男性中显示出高精度,但在女性中显示出中度精度.
结论:
- 使用前三个步骤的机器学习模型对中年男性的跌倒风险预测有前途.
- 目前的模型对女性的准确性需要改进,以便在预防跌倒方面有效应用.
- 需要进一步的研究来增强对劳动人口中的女性的预测公式.
