使用Kinect传感器Post-Fall情报支持下降程度的诊断

文摘

提出下降程度分析和post-fall情报系统有三个相互依赖的模块。模块我严重下降的分析是基于因素提取的阶段期间和之后下跌,包括创新措施的顺序的身体影响,motionlessness水平的影响,和持续时间。模块二世是一个及时的自主与上下文相关的下降严重警报通知有关人员通过电子通讯渠道(如智能手机、平板电脑或智能电视机)。最后,第三模块是护理人员和医生的诊断支持消息灵通的决策信息的急救或后固化的时间顺序可追踪的情报信息和知识模块I和II中找到。系统应有利于护理人员或医生,给急救/诊断/治疗,特别是在这种情况下,这个话题已经失去了意识,无法回应。

1。介绍

瀑布是一个致命伤害的主要原因,尤其是老年人。爱上了老年人可以影响他们的健康状况和生活质量。他们可能是发病率和死亡率的一个原因,特别对于那些患有痴呆和阿尔茨海默氏症与健忘,因为他们的困惑,受损的决策能力和延迟响应当请求援助1]。目前仍是如此,即使存在一个革命的自动检测系统基于各种方法,例如,声学和环境传感器,运动传感器,计算机视觉和自然用户界面(NUI)传感器的方法2]。其中常见的限制没有向医生提供及时和可追踪的事件信息进行秋季诊断这可能导致适当的治疗,甚至急救由护理人员提供支持。这种限制变得严重如果独自生活和无法回答或者是有意识的,但不能召回事件的细节。最近,Patsadu [3)和Patsadu et al。4)提出了运动检测与下滑严重水平估计基于速度和动能作为损伤的严重性的代理在身体的三个领域:头部、臀部和膝盖。然而,这项工作也有限制,因为秋天严重程度不足以支持诊断由内科医生进行进一步治疗。

为了应对这一挑战,本文提出了一种智能系统,包含在我们之前的检测工作的框架(3,4],这样持续诊断严重下降的影响重要的器官可以系统地支持立即急救或进一步治疗。post-fall智慧的三个主要部分,提出了确保三倍的贡献:(1)深刻的和可靠的分析信息序列和水平影响重要的身体关节的基础上通过谨慎的Kinect收集监测数据;(2)能够准确及时通知负责人的下降一个支持性的和可控的仪表板;(3)上执行一个在线分析过程能力下降的时间数据来支持诊断治疗阶段。

的第一部分所提出的系统选择适当的下降程度因素提出的领域专家,医生在康复医学。这些因素包括提取专家意见body-joint落在序列规则的影响,影响速度,动能的影响,任何时间静止状态后下降。第二部分通知发送跌倒后传达事件细节通过电子通讯渠道如智能手机、平板电脑、智能电视。通知是一个至关重要的早期步骤的反应下降。系统可以通知,帮助减少伤害即使看护者或有关人员不与老人或后下降。最后一部分是提供信息下降严重程度确定的负责人(例如,护理人员和医生)。这深刻的信息帮助人员给予适当的援助和诊断智能处方治疗基于损伤严重程度的三个选择身体的风险部位:头部、臀部和膝盖。这三个部分是至关重要的成功处理任何智能家居系统中的post-fall智能。

本文的组织如下:部分2提出了相关工作;部分3描述了我们提出的方法体系;部分4给出了实验结果和讨论;部分5介绍了示范;最后,给出了结论和未来的工作方向6。

2。相关的工作

智能系统开发经验的基础上,收集和分析数据的安全,为决策者和连接(5]。医疗保健领域,有各种各样的智能系统,如医疗诊断、机器人控制、遥感和实时监控。

与老年人下降的情况下,有许多试图提供预防跌倒和及时的信息发送给相关人员帮助一个倒下的老人脱离了危险。根据秋季检测技术使用,有几个领域的研究检测和通知系统使用Kinect。k·c·李和y v . Lee (6)和Mundher钟(7)已经创建了一个秋季探测系统消息通知,使用手机发送短消息服务(SMS)消息照顾者。Kawatsu et al。8)也提出了一个检测系统类似于跌倒Mundher之一,中7]。跌倒发生时,系统发送一个警告消息通过电子邮件和多媒体信息服务(MMS)。此外,Rantz et al。9)提出了实时警报发送给临床医师或护理人员的实际下降通过移动设备。帕沙克和Bhosale10)提出了一个基于body-joint秋季检测方法的人体试验。遇到跌倒后检测,警报发送给照顾者通过使用SIM900A GSM调制解调器。此外,石头和Skubic [11)提出了一个方法,一个实时警报与埋深下降基于超链接的视频剪辑。当发生下降时,通知通过电子邮件发送给工厂员工。

一次摔倒事件检测,Gagana和听歌12)提出一个严重下降,顺向损伤可能导致死亡和“post-fall综合症的风险。“芬顿(13)报道,body-joint瀑布冲击不仅不同,也导致不同程度的严重性。因此,系统需要分析body-joint位置是影响基于致命的影响。这项工作提出了一个方法来减少检测通过分析跟踪关键身体关节的使用深度照相机。有几个研究发现身体关节位置在人体使用Kinect基于深度图像(14,15]。中重要的身体姿势,头部位置被报道为第一个受害最严重的影响。头部位置也是一个合适的监测位置解决阻塞问题在秋天检测工作的报道扁et al。16]。此外,70岁以上的老年人有一个高创伤性脑住院和死亡与伤害有关的风险由于瀑布(17]。创伤性脑损伤的原因来自长时间的昏迷,以及症状的严重程度。不幸的是,老年人髋部骨折的风险最大,因为他们经常使用臀部打在地板上,尽管他们有一个较低的速度在秋季(18]。第三等级从瀑布受伤的膝盖骨折(19]。最后,下降可能导致手骨折(20.]。

一般来说,受伤的严重程度可以评估基于关键影响因素,例如,的高度下降,post-fall速度或加速度的影响的位置和动能下降(4,21- - - - - -23]。

据我们所知,集成post-fall智能系统从未被明确定义为可能post-fall情报的意外下降期间可能会发生的日常生活中。这样的一个信息系统将是有价值的不仅为急救,还支持决定后续护理。不幸的是,大多数现有的模型设计了医疗卫生保健工作人员基于纸质表单/事件询问下降(即信息。,历史,日常生活的活动,先天性疾病,药物的副作用)患者或照顾者(24- - - - - -27]。

至关重要的模型post-fall情报考虑使用网络信息集成的历史和重要信息没有打算取代专家的判断,警告和支持照顾者采取行动在第一次援助或协助专家决定后续护理。

接下来,我们详细讨论系统的设计方法确定post-fall情报。

3所示。提出了系统

被提议的post-fall情报旨在提供及时的信息支持立即决定护理人员急救给一个堕落的人或提供可追踪的时间信息,后来医生诊断或治疗。图1显示我们提出的架构设计系统集成与秋天检测系统提出了Patsadu et al。4]。当建立一个实验中,我们使用Kinect跟踪人体的运动在一个室内环境。Kinect成立大约1米以上的地板覆盖一个房间尺寸大约5×7 m。(见图2)。Kinect的视频流生成15 body-joint职位( , , ),分辨率为640×480的速度每秒30帧(fps)是使用OpenNI深度提取元数据的过程(28]。严重程度分析和post-fall情报工作跟秋天探测系统密切相关。秋季的跌倒发生时,数据检测系统将立即交付给智能服务器分析事件信息(例如,专家意见规则body-joint下降影响,影响速度,动能的影响,时间静止状态下降后,和视频记录在下降)。在几秒钟,一个通知消息挤满了提到的分析数据将被发送到指定有关人员(例如,护理人员、家人和医生)通过一组可转让的沟通渠道,如智能手机、平板电脑或智能电视机。一旦接收到消息,通知上的负责人可以单击一个按钮指示板负责。

3.1。集成系统的下降程度分析和Post-Fall情报

一旦检测到秋天是使用我们之前工作的算法(4),post-fall情报支持程度诊断落在三个关键的身体关节,头,臀部和膝盖,将继续。的过程post-fall情报由三个主要步骤,即严重下降因素的分析,通知和下降严重的决心。

3.1.1。调查严重下降因素支持下降程度的诊断

的严重性因素这一研究是由领域专家coinvented康复医学的务实有效的支持下降程度的诊断。四个秋天严重性因素被定义为专家意见规则body-joint下降影响,时间静止状态下降后,撞击速度和动能的影响。给出了细节。

(1)专家意见规则Body-Joint下降的影响。这个因素分析body-joint位置是影响检查下降和任何后续损伤的特点。通常情况下,某些body-joint位置骨折时经常会出现下降,尤其是臀部,膝盖,手,等等29日]。骨折,尤其是髋部骨折,可能会导致残疾和高死亡率。头部外伤也经常发现。最危险的事件发生在头部或臀部是第一个影响地板的身体部位或突出的对象。经验,认为body-joint位置影响由领域专家同意在康复医学,如图3。拟议的规则分为两个阶段:检查body-joint位置第一次撞到地板上,检查的严重性。如下所示的阶段。

(1)第一阶段考虑body-joint位置第一次撞到地板上,运动的速度来确定阈值和研究的模式中各身体部位的运动的速度大量的数据。阈值被训练使用1320年秋季视频剪辑的八个受试者随机选择的1650年秋季视频剪辑中描述我们的以前的工作4]。每个主题进行了模拟不同类型的操作和不同的速度下降。结果表明,合适的阈值= 0.03 m / s。因此,如果认为body-joint位置的速度小于或等于指定的阈值,body-joint立场是击打在地板上的。

(2)第二阶段是确定事故的严重程度在第一阶段。事故的严重程度被认为是body-joint位置的影响。在医学专家的意见,头部或臀部位置后影响最大。膝盖的位置和手,事故的严重程度是中度或小的影响,分别。

此外,多个body-joint立场击打在地板上的可能性。因此,系统也将报告body-joint位置影响的排序顺序,例如,“膝盖→→头”,“臀部→→头手”,或其他。

(2)时间静止状态后下降。这post-fall因素是用于检查任何后续长期静止状态后下降可能导致体温过低,脱水,或支气管肺炎30.]。post-fall阶段被定义为时间,当检测到秋天是开始。数据4(一)- - - - - -4 (d)概念化的概率下降三个阶段和快速恢复或长期不动post-fall的第三阶段。这表明两个子阶段被认为是:复苏阶段和静止期。恢复阶段,主题能够几秒钟内恢复由于轻伤(见图4 (b))。静止阶段,主题可能爬不起来没有援助由于严重伤害或无意识(见图4 (c)- - - - - -4 (d))。

检测过程的持续时间延长motionlessness可分为如下三个阶段。

(1)检查body-joint位置第一个撞到地板是由使用body-joint下降影响算法中描述的部分3.1。1(1)。

(2)考试时间主题的motionlessness:模式识别阈值的每个部位的速度运动的研究在大量的数据。训练数据集类似于部分所示3.1。1(1)经验,合适的阈值= 0.08 m / s。事实上,如果每一个身体部位的运动的速度小于或等于指定的阈值,这意味着受试者一动不动,或者没有收到援助。

(3)考试时间长的motionlessness是基于医学专家的意见。医学专家的知识引出变成了以下规则(见表1)。

此外,在一些情况下,多个body-joint位置击打在地板上的同时,我们对时间的motionlessness body-joint位置影响使用body-joint下降影响算法的最高水平(见部分3.1。1(1))。

最后,剩下的两个严重下降因素(速度和动能影响影响)提出了在我们以前的工作(4]。为了描述速度的影响和动能的影响随之下降,下降程度的规模估计在我们以前的工作(参见图发展5),称为下降严重损伤评分(FSIS)分类严重性程度的下降,。训练数据集创建一个模型类似于部分所示3.1。1(1)。

3.1.2。通知

一旦检测到秋天,秋天严重性因素计算,系统提供消息通知用户将自动激活。它提供了更新的状态下降事件仪表盘图形用户界面(见图6)。一般来说,大多数人都有电子智能手机和平板电脑等移动设备。使系统友好的和负担得起的,我们开发了一个通知系统,依赖于异构的沟通渠道,如智能手机,平板电脑,或者在一个Android智能电视平台,支持安卓2.3和更高版本。连接是通过使用推送通知消息的概念层次网络通过传输控制协议/网际协议(TCP / IP)通过wi - fi网络。图7显示了流程的通知。可能的通知消息类型表进行了总结2。

图6(一)显示了提出系统的显示屏。显示分为4部分:在线监测和捕获的图像的当前状态(视频),即时通知和用户交互、患者信息,和秋天的信息。

第一部分,监控系统分为两部分:在线监测和捕获的图像记录在秋季。第一部分是记录数据流表示时间顺序帧十五body-joint位置获得Kinect秋季下降程度因素的检测和分析。第二部分捕获的视频图像从一开始就发生在秋季下降到最后的秋天当受试者躺在地板上的重采样每5在1秒的画面,这是发送给有关人员(例如,护理人员、家人和医生)。视频是计划可在2模式:红、绿、蓝(RGB)和深度图像(见图6(一))。用户可以选择RGB或深度图像。默认情况下,系统设置了深度图像。深度图像有利于学科来保护他们的隐私。然而,在医学专家的意见,RGB更有利于医生理解下降的情况下(例如,地点,时间,和主题的活动之前)和检索数据显示机制。这些下跌力学可以提供好处在两个方面:外在因素和内在因素(31日]。第一个因素是有利于医生知道秋天的环境危害的原因妨碍家具等潮湿的地板上,不同水平的地板,和房子梯子。第二个因素让医生知道等高风险的身体条件不稳定的关节,肌肉无力,视觉问题,先天性疾病、药物副作用。所以,医生可以使用这些数据来支持决策的物理治疗body-joint落在的影响。此外,医生建议适当的预防锻炼可以减少严重伤害在未来下跌的风险。

其次,系统触发警报,并显示一条消息通知在几个设备(见图6(一)和6 (b))。这是非常重要和及时提供信息,可以支持人类的判断。然而,有时照顾者或有关人员不响应通知在指定的时间段内。系统记录完整的事件信息,为质量改进是有用的,风险管理,同行审查。

第三,患者信息检索在监视器屏幕上查看确认个人身份,可以肯定的是获得正确的信息。

最后,信息分为两个部分:摔跤事件和总结报告的检测。第一部分显示了一个事件,它由电流下降之间的不同时间检测到和以前发现,撞击速度、撞击动能,body-joint序列下降影响,持续时间motionlessness下降后,和视频捕获在秋季。注意,不同的颜色代表不同的反应:红色等待响应状态,橙色没有响应状态,和绿色的反应状态。第二部分是报告的检测和活动检测,由总结报告的频率的检测和活动的body-joint位置检测和频率高的影响在第一部分。

此外,我们提供了一个历史上进一步支持下降程度诊断(见图6 (c))。医生可以选择一个特定的时期,他们希望查看信息,比如星期、月或年。信息排名下降,下降程度水平,等等。报告显示下降时间戳信息组成的下降,下降的方向,body-joint下降影响序列,motionlessness持续时间,不同颜色代表不同程度的严重下降,速度,和动能:级别1 =绿色,2级=黄色,3级=橙色,和四级=红,承认,行动时间,视频剪辑。

如图7在这样一种方式工作,消息通知,如果检测到秋天时,通知系统将被激活。第一个通知和消息# R1将立即发送到看护者和有关人员。十秒轮询的默认设置,消息# R2和R3按顺序将发送通知看护者和亲戚如果没有援助或复苏的迹象。在接下来的投票开始,如果仍然没有改善的迹象,消息# R4以上(# R , =数量的轮询轮)将自动发送和医生。multinotification的设计减少假阳性的影响,以及轮询时间间隔的受伤或死亡的风险降到最低。

通知消息分为两种类型:正常警告信息和紧急信息。的消息类型和轮询间隔通知是根据事故的严重程度。一旦系统检测到的主题能够起床或接收即时援助,系统将记录这一事件信息,应用程序将恢复初始状态。注意,系统允许用户主观选择的轮询间隔通知和数量的通知消息。适当的设置应该同意医学专家的意见。

3.1.3。下降严重智力支持

一次照顾者(或有关人员或医生)得到一个通知消息,跟踪时间事件和严重程度的能力水平下降决定援助(或获得支持诊断)可以通过手工进行。数量的下降程度因素支持照顾者的判断,有关人员,医生是四个因素(例如,专家意见body-joint规则(F1)下降影响,撞击速度(F2),撞击动能(F3),时间静止状态后下降(F4)和视频记录在秋季下降),如图8。在我们的系统中,护理人员和有关人员使用这些因素对急救支持战略决策和带秋天主题去看医生。同时,医生可以利用这些因素来跟踪异常的身体条件导致了秋天和支持诊断过程后治疗。是特别有用例受试者不能反应由于意识丧失或例受试者能够起床,还经常下降。

4所示。实验结果和讨论

在本节中,我们解释了实验的设计和实验结果展示post-fall情报。

4.1。实验设计

在我们的实验中,我们建立了一个室内环境设置与Kinect跟踪样品的运动对象见图9。设置一些限制,例如,一个有限区域的5×7 m。在封闭的房间,只有年轻健康成人在这些模拟瀑布这可能不是最优的强劲代表虚弱的老年人的状况。在现实使用中,医生可能会建议一些调整监控系统阈值是特定于老年人。我们进行了初步实验,选择代表性学科测试提出了系统的准确性和可靠性。机构审查委员会批准的指令(IRB)蒙国王科技大学吞武里是向受试者解释对于理解这个数据收集的目的和实验指南中提到的部分5。每一个主题签署了同意书。我们比较三个因素:(1)性别、体重(2),(3)高度。根据我们的初步实验结果,18可能病例的选择(例如,(薄,短),(介质,介质)和(脂肪、高))的示例主题可以选择。然而,我们发现,某些情况下没有显著的不同。应对这样一个不同的样本为评价对象,有6个科目(年龄 年,体重 公斤,身高 厘米的相同数量的男性和女性不同的身高和体重)。秋天监测系统测试与不同类型的下降(如向前,向后,向右,向左,)。我们也评估系统的能力来检测活动的日常生活(ADLs)包括站着,坐着,躺着,等走在多种类型的座位沙发、椅子靠背,和凳子。受试者进行一切活动的安全垫。

4.2。结果与讨论

获得深刻的实验结果,我们做了一个实验评估严重性级别结果的基础上下降分类(22秋天视频剪辑从24模拟视频剪辑下降)。所有的22个秋天视频剪辑由向前等各种情况下的秋天秋天,向后跌倒,和左/右下降。分类结果说明作为一组混淆矩阵表所示3。

如表所示3所有22日检测到瀑布深加工水平的严重程度进行分类,和一个95.45%是报告的准确性。只有一个错误(错误消极的(FN))。此案是2级,但是系统误判为1级。这种错误延迟援助和可能导致更严重的伤害。这个场景是一个落后的下降。那个人试图坐下来减弱的影响;因此,下降的速度和动能都无意中软化。此外,获得进一步洞察FN的情况下的影响,发现瀑布的两种情况考虑。这是发现,在这两种情况下,严重程度分为1级,但由此产生的速度和动能都非常低,这是类似于正常的活动。几乎没有参与严重程度。 This means that the falls would not have any effect on the body, and this helped to assure us of the effectiveness of the proposed system. However, such data could still be utilized to raise awareness of abnormality of the falls that actually took place to yield support to further diagnoses and treatments.

5。案例示范展示Post-Fall支持系统的有效性

在本节中,我们证明该系统将具体位置情况下系统地、有效地工作。我们的既定环境设置演示中定义的部分4.1。在这个演示中,主题是女性(年龄31岁,体重50公斤。,身高159厘米)。示范的情节是让我们的主题模拟严重的案例(最高严重性级别)意外滑倒,导致臀部撞到地板上以极大的力量。后,表现得好像她不能超过30秒。第一个5秒的事件记录,如图10 ()。

系统如何立即响应下降的情况支持负责任的人员协助主题是如图10 (b)- - - - - -10 (c)。如图10 (b)第二,智能系统可以完成数据流从Kinect的分析和学习这个话题与臀部位置击打在地板上了。一秒钟后,系统可以识别的严重性和影响序列秋天(1 =臀部(四级严重性),2 =手(要求等级2),3日触及膝盖=(1级),4 =头(要求等级2),并立即通知有关人员(包括护理和家庭)的发生通过预先指定的电子渠道。通知是在多媒体格式的声音警报,视频剪辑,和重要的分析数据(在线和离线记录)是自适应显示在一个组织良好的仪表盘图形用户界面(GUI)有关人员的设备如图10 (c)。系统还监视响应任何通知的人,经常重复通知的情况下,没有人承认。任何进展,例如,一个人按下按钮“承认”或“采取行动”,显示了与可追踪的记录所有的人都被自动更新。此外,一个人按下按钮就可以直接与医生复核“举起”证实下降严重后果不管主题是能够起床或已收到立即援助。

在模拟的情况下严重程度最高,如果这个话题不能起床很长一段时间,或超出了10秒间隔轮询之间的通知,系统通知看护者和有关人员3 * (# R1 - # R3消息)之前提升事故的严重程度和自动提醒医生(# R4)或以上(# R消息)。然而,如果主题self-recovered或有急救护理或有关人员# R4激活之前,这一事件被记录和应用回到它的初始状态。

除了前两个贡献((i)严重程度和影响的分析和序列(ii)系统通知和急救支持)post-fall情报,接下来,我们证明了第三次诊断支持进一步治疗的贡献。后者贡献有助于医生,特别是,如果主题是无法应对由于失去意识或意识但无法召回事件的细节。在图6 (c)瀑布的当前和历史记录(挤满了分析结果见上图)+协作行为记录在通知和急救支持可以检索/按身体部位或时间的影响。

总的来说,示范表明,post-fall情报系统的框架可以有效post-fall分析和诊断支持护理人员和医生照顾秋天主题时即时急救和治疗。

最后,在未来的工作中,我们计划进行更详细的正式采访看护者和康复医师基于问卷调查。在这项研究中,我们只有非正式地演示了该系统,并采访了六个看护者和康复医师要求他们反馈概述未来系统可用性研究的方向。护理人员强烈认为我们post-fall情报事件可以提供宝贵的信息,因为系统包含记录历史事件信息的当前信息和秋季,月或年在所有情况下即使看护者或有关人员不得与老人在下降或下降可能已经被人们遗忘了的话题。医生也满意,打算使用这个系统,因为数据是来源于系统可以支持诊断。医生可以诊断关注body-joint受伤的位置,以确保及时的治疗。因此,基于研究结果,可以得出结论,医生将能够快速、准确地诊断,尤其是在紧急的情况需要立即关注和帮助。

6。结论和未来的工作

我们提出了一个post-fall支持系统,旨在系统地联系不引人注目的监测(Kinect或基于深度照相机系统)。post-fall支持系统提供了一个由三部分组成的贡献。首先是调查严重下降因素和身体部位的影响顺序根据专家意见的规定。第二个是发送消息到护理人员和有关人员通过电子渠道,例如,一个智能手机,平板电脑,或者智能电视机,所有有关人员提供一个系统的协作平台。最后是提供在线分析信息,支持护理人员和医生的诊断过程给予即时援助受害者,并决定进一步治疗。

在实验中,获得的结果在秋季严重性级别分类证明我们的系统产生一个令人满意的性能95.45%的准确性。post-fall智能post-fall示范演示了一个极端的例子,了解该系统有利于诊断和治疗后的决策过程的有关人员(例如,护理人员、家人和医生),特别是在案件中,否则不可用事件信息。照顾者或相关人员的及时通知和支持做出明智决定照顾秋天主题。这可以有效地减少伤害和死亡的风险以及提高的生活质量下降。最后但并非最不重要,提供及时和可追踪的事件信息支持医生的诊断治疗可以使工作更快,更准确,更有效,特别是对那些已经下来,是无意识的,无法回应或有意识但不能召回事件的细节。

然而,这项工作仍有一些局限性。首先,一个Kinect摄像头视角有限。这可能会导致不准确的body-joint位置在某些情况下,例如,视角不暴露身体的两侧,身体的一部分被挡住,或阳光的效果。其次,系统是由年轻健康成人和测试只有在控制环境。这些担忧未来工作一些挑战性的问题。应该添加一些模块,例如,环境评估,评估步态,多个kinect,综合模型与基于陀螺仪(替代传感器(智能手机32,33])。这应加强分析信息提供给医生进行诊断时下降的原因及其治疗。另一个想法是参与的范围扩展到包括更多的医疗卫生保健工作人员(如医生、护士、或其他医务人员)为更好的协作。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由Rajamangala Krungthep大学技术。作者感谢学院的学生和员工信息技术(坐),蒙国王科技大学吞武里,为他们宝贵的援助设置捕获会话的实验环境。

引用

1. m .白色,j·西格尔,和m·史密斯,“了解痴呆,”http://www.helpguide.org/articles/alzheimers-dementia/understanding-dementia.htm。视图:谷歌学术搜索
2. o . Patsadu c Nukoolkit, b . Watanapa”调查下降运动检测的智能技术:技术、算法和工具,”通信在计算机和信息科学卷,344年,第147 - 137页,2012年。视图:出版商的网站|谷歌学术搜索
3. o . Patsadu视频挖掘秋季运动检测使用Kinect和混合分类方法(论文)2016年蒙国王科技大学吞武里。
4. o . Patsadu b Watanapa、p . Dajpratham和c . Nukoolkit“秋季运动检测与估计下降严重水平开采kinect 3 d数据流,”阿拉伯国际信息技术杂志》上,15卷,不。3、2017年出版社。视图:谷歌学术搜索
5. p·兰利和j . e . Laird”人工智能和智能系统”,http://www.isle.org/兰利/论文/ systems.fellows06.pdf。视图:谷歌学术搜索
6. k·c·李和y v . Lee,“基于Kinect传感器检测系统使用新颖的检测和姿态识别算法,”学报》第11届国际会议上智能家居和健康远程信息处理,页238 - 244,新加坡,2013年。视图:谷歌学术搜索
7. z . a . Mundher和j .钟“实时检测系统在老年保健使用移动机器人和Kinect传感器,”国际期刊的材料力学和制造业,卷2,不。2、133 - 138年,2014页。视图:谷歌学术搜索
8. c . Kawatsu j·李,c . j .钟“跌倒检测系统与微软kinect的发展,“先进的智能系统和计算卷,208年,第630 - 623页,2012年。视图:出版商的网站|谷歌学术搜索
9. m . Rantz m . Skubic c·阿博特et al .,“自动化家用下跌风险评估和检测传感器系统为长老,“的老年医学卷,55 S78-S87, 2015页。视图:出版商的网站|谷歌学术搜索
10. d·帕沙克和v . k . Bhosale秋天检测老年人在家庭使用Kinect传感器,”国际期刊的创新在计算机和通信工程的研究,5卷,不。2、1468 - 1474年,2017页。视图:谷歌学术搜索
11. e·e·斯通和m . Skubic“测试实时家用警报与埋深下降视频链接,”学报》第12届国际会议上智能家居和健康远程信息处理美国IA,页41-48,艾姆斯,2014年。视图:谷歌学术搜索
12. p . Gagana s .听歌,“秋天检测方法安全、独立生活的老年人和病人,”国际先进的计算机和通信工程的研究》杂志上,4卷,不。3、128 - 132年,2015页。视图:谷歌学术搜索
13. w·芬顿”post-fall评估算法引入到社区为老年人康复医院。”护理老年人,20卷,不。10日》,2008页。视图:出版商的网站|谷歌学术搜索
14. l .香港x元,A . m . Maharjan”混合框架为人类带来深度的自动联合检测框架,“模式识别卷,77年,第225 - 216页,2018年。视图:出版商的网站|谷歌学术搜索
15. x元(l .香港、d·冯和z,“人类行为的自动特征点检测和跟踪飞行时间视频,”IEEE / CAA自动化杂志》上,4卷,不。4、677 - 685年,2017页。视图:出版商的网站|谷歌学术搜索
16. Z.-P。扁,j .侯L.-P。洲,n . Magnenat-Thalmann“秋天检测基于身体部位跟踪使用深度相机,“IEEE生物医学和卫生信息学杂志》上,19卷,不。2、430 - 439年,2015页。视图:出版商的网站|谷歌学术搜索
17. “创伤性脑损伤。”http://www.alz.org/dementia/traumatic-brain-injury-head-trauma-symptoms.asp。视图:谷歌学术搜索
18. p . Vestergaard l . Rejnmark和l . Mosekilde”患者死亡率增加髋关节fracture-effect患病情况和集中的并发症,”国际骨质疏松症,18卷,不。12日,第1593 - 1583页,2007年。视图:出版商的网站|谷歌学术搜索
19. t . Kottmeier“膝盖骨折,”http://orthoinfo.aaos.org/topic.cfm?topic=A00526。视图:谷歌学术搜索
20. 公元前Hoynak“腕骨损伤表示,“http://emedicine.medscape.com/article/97565-clinical。视图:谷歌学术搜索
21. b·鲍尔斯j·d·劳埃德·w·李,g . Powell-Cope和a·巴普蒂斯特”生物力学评价受伤的严重程度与病人从床上掉下来,“康复护理,33卷,不。6,253 - 259年,2008页。视图:出版商的网站|谷歌学术搜索
22. 没吃,美国哈瑞,y钱德拉”的研究模式致命的伤害从高度的情况下,“医学科学杂志,5卷,不。1,45-52,2012页。视图:谷歌学术搜索
23. b·w·舒尔茨和j·d·劳埃德·w·e·李三世”估计,仿真和实验的从床上,“康复杂志》上的研究和发展,45卷,不。8,1227 - 1236年,2008页。视图:出版商的网站|谷歌学术搜索
24. 管理,“跌倒评估工具,”http://www.whca.org/files/2013/04/Falls_management_post_fall_assessment_tool.pdf。视图:谷歌学术搜索
25. 卫生部,Post-Fall管理指导方针在佤邦医疗设置,珀斯:卫生战略和网络、卫生部、西澳大利亚,2015年。
26. 拉斯科夫斯基先生,”一个原型基于代理的机器学习模型和混合动力系统医疗决策支持,”国际E-Health和医疗通讯》杂志上,卷2,不。4、67 - 90年,2011页。视图:出版商的网站|谷歌学术搜索
27. w·Rueangsirarak a·s·阿特金斯锋利,n . Chakpitak k . Meksamoot和p . Pothongsunun“集群的集群——知识提高诊断老年下跌风险的工具,”国际医疗技术和管理杂志》上,14卷,不。1 - 2,39-60,2013页。视图:出版商的网站|谷歌学术搜索
28. “OpenNI。”https://github.com/OpenNI/OpenNI。视图:谷歌学术搜索
29. 国家老化研究所,“健康信息”,https://www.nia.nih.gov。视图:谷歌学术搜索
30. l z鲁宾斯坦和k·r·约瑟夫森”瀑布的流行病学和晕厥,”诊所在老年医学,18卷,不。2、141 - 158年,2002页。视图:出版商的网站|谷歌学术搜索
31. 医学研究所(美国)的健康促进和疾病预防,”落在老年人:危险因素和预防”第二个五十年:促进健康和预防残疾,医学研究所(美国)的健康促进和疾病预防,华盛顿特区,美国,1992年。视图:谷歌学术搜索
32. k . Aminian b·纳杰菲c·布拉P.-F。Leyvraz, p·罗伯特,“时空参数的步态测量通过一个动态系统使用微型陀螺仪,”生物力学杂志,35卷,不。5,689 - 699年,2002页。视图:出版商的网站|谷歌学术搜索
33. k . Aminian c . Trevisan b纳杰菲et al .,”评价的一个动态系统在髋关节骨关节炎和步态分析全髋关节置换后,“步态和姿势,20卷,不。1,第107 - 102页,2004。视图:出版商的网站|谷歌学术搜索

版权

版权©2018 Bunthit Watanapa等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。