在医疗保健服务中用于墨西哥手语口译的循环神经网络
Armando de Jesús Becerril-Carrillo1, Héctor Julián Selley-Rojas1, Elizabeth Guevara-Martínez1
1Faculty of Engineering, Universidad Anáhuac México, Avenida Universidad Anáhuac 46, Col. Lomas Anáhuac, Huixquilucan 52786, Estado de Mexico, Mexico.
Sensors (Basel, Switzerland)
|January 10, 2026
概括
这项研究开发了一种墨西哥手语 (MSL) 识别系统,创建了一个新的数据集,并实现孤立标志的高精度. 这项研究探讨了顺序的MSL理解,为可访问的医疗保健技术提供工具.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 语言学的语言学.
背景情况:
- 墨西哥的聋人社区面临着严重的沟通障碍,特别是在医疗保健领域.
- 墨西哥手语 (MSL) 识别的技术工具有限,特别是在卫生环境中.
- 现有的手语识别研究还没有充分解决MSL.
研究的目的:
- 解决医疗保健中MSL识别工具的稀缺问题.
- 开发和评估一种识别孤立和连续的MSL标志的系统.
- 为未来的MSL技术研究建立可复制的基线.
主要方法:
- 创建了一个以健康为导向的数据集,包含150个MSL标志和每一个标志800个合成视频序列.
- 使用规范化和数据增强来训练循环神经网络.
- 评估了孤立的符号分类和使用脚本叙事的顺序叙事推断.
主要成果:
- 在孤立的MSL标志分类中达到98.36%的精度.
- 在时间对齐下,MSL叙述的全球顺序回忆率达到了45.45%.
- 展示了结构化MSL序列的反复网络的潜力,同时强调了挑战.
结论:
- 开发的数据集和方法为可访问的MSL技术提供了基础.
- 循环架构对MSL识别有希望,但在持续签名方面面临挑战.
- 这项工作提供了初步证据和工具,以支持墨西哥聋人社区.
关键词:
在这里,GRU GRU GRU这是LSTM的LSTM.墨西哥手语是墨西哥手语.人工智能的人工智能是人工智能.计算机视觉 计算机视觉数据增强数据增强精确的精确度可以说是精确的.召回召回召回召回召回召回更多相关视频
07:21Electroencephalographic Signal Acquisition Framework for Neurodiverse: A Case Study of Dolphin-Assisted Therapy
Published on: June 27, 2025
427
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.4K