基于深度学习的步态识别和评估受伤者
Chuanchuan Liu1, Ling-Hu Cai1, Yi-Fei Shen2
1Department of Emergency Medicine, https://ror.org/05w21nn13The First Affiliated Hospital (Southwest Hospital) of Army Medical University, Chongqing, P.R. China.
Disaster medicine and public health preparedness
|September 24, 2025
概括
使用步态分析的人工智能 (AI) 可以远程快速评估创伤伤害. 这项技术通过识别腿,改善分拣和早期干预,在访问有限时,有助于应对灾害.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 灾难医学 灾难医学
背景情况:
- 在灾难期间进行远程伤害评估是具有挑战性的,因为现场难以进入.
- 传统的方法在难以进入的灾区,难以及时分类.
研究的目的:
- 探索人工智能 (AI) 的可行性,以使用步态分析快速评估创伤伤害.
- 开发一种人工智能模型,用于在灾难场景中进行远程步行分析.
主要方法:
- 利用了4500张人类,狗和子的步态图像的数据集.
- 训练了一种深度学习对象检测模型 (YOLOv5) 来分类正常与的步态.
- 通过统计验证和案例研究评估模型性能.
主要成果:
- YOLOv5模型在区分不同物种的正常和的步态方面取得了很高的准确性.
- 定量指标证实了该模型在步态模式识别方面的可靠性.
- 定性分析表明了远程,快速创伤伤害评估的潜力.
结论:
- 人工智能,特别是像YOLOv5这样的深层卷积神经网络,在灾难响应过程中显示出对快速,远程伤害评估的承诺.
- 这种人工智能方法可以帮助医疗保健专业人员在物理访问有限时识别受伤风险.
- 提高分拣效率和早期干预对灾难受害者来说是潜在的好处.
