文献

J-GLOBAL ID：202102283919441705   整理番号：21A1474368

高齢者介護監視システムのための画像処理技術と隠れMarkovモデル【JST・京大機械翻訳】

Image Processing Technique and Hidden Markov Model for an Elderly Care Monitoring System

著者 (3件)： Htun Swe Nwe Nwe (Interdisciplinary Graduate School of Agriculture and Engineering, University of Miyazaki, Miyazaki 889-2192, Japan) ,  Zin Thi Thi (Graduate School of Engineering, University of Miyazaki, Miyazaki 889-2192, Japan) ,  Tin Pyke (International Relation Center, University of Miyazaki, Miyazaki 889-2192, Japan)
資料名： Journal of Imaging (Web)  (Journal of Imaging (Web))
巻： 6  号： 6  ページ： 49  発行年： 2020年 
JST資料番号： U7220A  ISSN： 2313-433X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 画像処理技術の進歩は,医療および健康管理システムにおいてより正確な見解を提供した。多くの他の話題の中で,本論文は,独立して生活する高齢者のためのビデオベースのモニタリングシステムのいくつかの側面に焦点を合わせる。Majorの懸念は,慢性疾患と成人の患者の身体的適応度の低下,ならびに,生命を脅かす傷害の源であり,死亡の主要な原因である高齢者の転倒である。したがって,本論文では,画像処理技術を用いたビデオビジョンベース監視システムと,人々の正常状態からの転倒を識別するための隠れMarkovモデルを提案する。特に,提案システムは4つのモジュールから成る。1)物体検出;(2)特徴抽出;(3)転倒から正常状態を識別するための解析;(4)異常と正常の逐次状態のための隠れMarkovモデルを使用する意思決定プロセス。オブジェクト検出モジュールにおいて,Gaussモデルの混合物を適用して背景と前景セグメンテーションを行い,グラフカットを前景精密化に適用した。特徴抽出モジュールにおいて,検出対象の姿勢と位置は,仮想接地点のハイブリッド特徴,その関連領域および物体のアスペクト比を適用して推定した。解析モジュールでは,正常,異常,または落下状態を区別するために,移動平均と修正差と呼ばれる統計的計算を行い,両者を用いて,転倒の点と期間を推定した。次に,局所最大または局所最小および半値幅値を,落下状態の期間をより正確に推定するために,観察された修正差において決定した。最後に,意思決定プロセスを隠れMarkovモデルを開発することによって実行した。実験結果は,Le2i落下検出データセットを使用して,著者らの提案システムがロバストで信頼できて,高い検出率を有することを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  特徴抽出 ,  *画像処理 ,  *監視装置 ,  半値幅 ,  録画装置 ,  健康管理 ,  Gauss模型 ,  ロバスト性 ,  *隠れMarkovモデル ,  *高齢者介護
準シソーラス用語： 物体検出 ,  グラフカット ,  前景 ,  検出率 , 【Automatic Indexing@JST】

著者キーワード (6件)： 正常および異常状態 ,  転倒検出 ,  Gaussの混合物 ,  グラフカット ,  仮想接地点 ,  隠れMarkovモデル

分類 (5件)： 生体遠隔測定  (EL03030N) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  看護,看護サービス  (GB07000G) ,  老人医学  (GC09000X)

引用文献 (28件)：

• World Health Organization Regional Office for Europe. Healthy Ageing: Policy. Available online: http://www.euro.who.int/en/health-topics/Life-stages/healthy-ageing/policy (accessed on 13 December 2018).
• Lindemann, U.; Hock, A.; Stuber, M.; Keck, W.; Becker, C. Evaluation of a fall detector based on accelerometers: A pilot study. Med. Boil. Eng. 2005, 43, 548-551.
• Wang, C.-C.; Chiang, C.-Y.; Lin, P.-Y.; Chou, Y.-C.; Kuo, I.-T.; Huang, C.-N.; Chan, C.-T. Development of a Fall Detecting System for the Elderly Residents. In Proceedings of the 2008 2nd International Conference on Bioinformatics and Biomedical Engineering, Shanghai, China, 16-18 May 2008; pp. 1359-1362.
• Bagalà, F.; Becker, C.; Cappello, A.; Chiari, L.; Aminian, K.; Hausdorff, J.M.; Zijlstra, W.; Klenk, J. Evaluation of Accelerometer-Based Fall Detection Algorithms on Real-World Falls. PLoS ONE 2012, 7, e37062.
• Mathie, M.J.; Coster, A.C.F.; Lovell, N.H.; Celler, B.G. Accelerometry: Providing an integrated, practical method for long-term, ambulatory monitoring of human movement. Physiol. Meas. 2004, 25, R1-R20.

タイトルに関連する用語 (4件)： 高齢者介護 ,  監視システム ,  画像処理 ,  隠れMarkovモデル