mmYOLOH-p:一种临床导向的基于毫米波的人体姿势估计工具,用于不引人注目的患者监测

科学领域:

• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 人体姿势估计 (HPE) 对于临床应用至关重要,但现有的方法与现实世界的限制作斗争.
• 当前的HPE技术在各种环境条件下往往缺乏不引人入胜,隐私和稳定性.
• 需要专门的HPE解决方案,以满足临床患者监测的独特需求.

研究的目的:

• 引入mmYOLOH-p,一种针对患者监测而设计的新型临床导向的HPE方法.
• 为了利用毫米波 (mmWave) 雷达来保护隐私和强大的人类传感.
• 适应和优化YOLOv8-pose架构,以实现高效和准确的临床HPE.

主要方法:

• 利用毫米波 (mmWave) 雷达作为其不引人入胜和保护隐私的传感方式.
• 开发了一个预处理管道,将稀疏的雷达数据转换为2D热图表示,解决可扩展性.
• 适应YOLOv8pose架构进行跨模式应用,实现一次性效率和并发任务执行.

主要成果:

• 与最先进的HuPRNet相比,mmYOLOH-p在总平均精度 (AP),每关节AP和推断时间方面表现优越.
• 获得了高的实验分数:AP50为99.1%,AP75为92.6%,AP50-95为83.0%.
• 该方法在克服与稀疏点云数据相关的可扩展性问题方面被证明是有效的.

结论:

• mmYOLOH-p为临床人类姿势估计提供了可行和有效的解决方案.
• 整合毫米波雷达和适应YOLOv8-pose架构为患者监测提供了显著的优势.
• 该方法显示出在临床环境中的活动识别和步态分析应用的巨大潜力.