← أحدث الأبحاث
💻 علوم الحاسوب

A real-world indoor dynamic skeleton dataset of elderly abnormal gait including crutch-assisted walking

تقدم الورقة البحثية ElderlyPipe، وهي مجموعة بيانات داخلية من العالم الحقيقي تم إصدارها للعموم وتتضمن 63,855 إطار هيكل عظمي مضمون الجودة تلتقط سلوكيات كبار السن بما في ذلك المشي بمساعدة العكاز، والتي تثبت أن نماذج الرسم البياني الزماني المكاني تتفوق على نهج الإطار الواحد في تحليل عدم توازن المشية.

المؤلفون الأصليون: Shaojiang Huang, Manqing Yang, Wei Zhang

نُشر 2026-10-29
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Shaojiang Huang, Manqing Yang, Wei Zhang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تُعد السقوطات سبباً رئيسياً للإصابات والوفيات لدى كبار السن، وغالباً ما تنتج عن تغيرات طفيفة في التوازن لا تُلاحظ إلا بعد فوات الأوان. وللوقاية من هذه المآسي، يحتاج مقدمو الرعاية والمتخصصون الطبيون إلى وسيلة لمراقبة كيفية مشي الناس، بحثاً عن العلامات المبكرة لعدم الاستقرار قبل وقوع السقوط. لعقود من الزمن، حاول الباحثون بناء أنظمة حاسوبية يمكنها مراقبة الشخص وفهم حركته، لكن هذه الأنظمة واجهت مشكلة رئيسية: وهي افتقارها إلى بيانات جيدة. فمعظم السجلات الموجودة للحركة البشرية تأتي من شباب أصحاء في استوديوهات مشرقة ومنضبطة، أو تعتمد على مستشعرات تُرتدى على الجسم غالباً ما ينسى الناس وضعها. وما كان مفقوداً هو سجل واضح ومفصل لكيفية حركة كبار السن في الواقع الفوضوي وغير المتوقع في دار رعاية أو غرفة معيشة، خاصة عندما يعانون في المشي أو يستخدمون عصا للتدعيم. وبدون هذا النوع المحدد من المعلومات، لا يمكن للحواسيب أن تتعلم التمييز بين الخطوة الطبيعية والتعثر الخطير.

لقد نجح فريق من الباحثين من جامعة "جيجيانغ للعلوم والتكنولوجيا" الآن في سد هذه الفجوة عبر إنشاء مجموعة بيانات جديدة تسمى "ElderlyPipe". وبدلاً من تسجيل فيديو لوجوه الأشخاص أو أجسادهم، مما يثير مخاوف تتعلق بالخصوصية، قام البلهثون بتصوير الحركة وتحويلها إلى هياكل عظمية رقمية. هذه الهياكل ليست رسومات، بل هي سلسلة من النقاط الرياضية التي تحدد موقع مفاصل الشخص، مثل الكتفين والمرفقين والركبتين، أثناء تحركهم عبر الزمن. ركز الفريق على تسجيل سكان مسنين حقيقيين في بيئاتهم اليومية، بما في ذلك الممرات والردهات ومناطق تناول الطعام، حيث رصدوا أربعة سلوكيات متميزة: الوقوف، والمشي، والجلوس، والفعل الحرج المتمثل في المشي غير المتزن باستخدام عكاز. ومن خلال جمع 63,855 إطار حركة عالي الجودة من 287 مقطع فيديو مستمر، وفر الباحثون مورداً يسمح للحواسيب بدراسة أنماط المشية المحددة والمهتزة التي تنذر بالخطر لدى كبار السن.

تطلبت عملية تحويل الفيديو الخام إلى هذه الهياكل العظمية الرقمية المفيدة نهجاً دقيقاً متعدد الخطوات للتعامل مع تحديات البيئة الواقعية. ففي دار الرعاية، يمكن للإضاءة أن تتغير فجأة، وغالباً ما يحجب الناس رؤية الكاميرا لبعضهم البعض، مما يتسبب في فقدان أدوات الرؤية الحاسوبية القياسية لتتبع أطراف الشخص. ولحل هذه المشكلة، طور الباحثون نظاماً يحدد المفاصل أولاً باستخدام أداة كشف قياسية، ثم يملأ الأجزاء المفقودة عندما يختفي طرف ما. إذا اختفى مفصل لفترة قصيرة، يخمن النظام موقعه برسم خط مستقيم بين مكان رؤيته سابقاً ومكان ظهوره مجدداً. أما إذا اختفى طرف لفترة أطول، فإن النظام يستخدم الطول المعروف لذراع الشخص أو ساقه لتقدير مكان المفصل المفقود بناءً على موقع المفاصل التي لا تزال مرئية. وبمجرد اكتمال الهيكل العظمي، يقوم النظام بتنعيم الحركات المهتزة والمضطربة التي قد تسببها الحواسيب عادةً، مما يخلق سجلاً انسيابياً ومستمراً لحركة الشخص.

ما يجعل مجموعة البيانات هذه قيمة بشكل خاص هو أنها لا تكتفي بإظهار شخص واقفاً ساكناً؛ بل تلتقط تدفق الحركة عبر الزمن. وقد نظم الباحثون البيانات في نوافذ صغيرة مكونة من أربعة وعشرين إطاراً، مما سمح لهم بدراسة كيفية تحرك جسم الشخص من لحظة إلى أخرى. ووجدوا أن النظر في تسلسل الحركات معاً أكثر فعالية بكثير من النظر في لقطات منفردة. وعندما اختبروا النماذج الحاسوبية على هذه البيانات، وجدوا أن النظام الذي فهم العلاقة بين الحركات الماضية والحاضرة كان أفضل بكثير في تحديد مشية الشخص غير المتزنة والصعبة أثناء استخدام العكاز. لقد حدد هذا النظام هذه الحركات عالية المخاطر بشكل صحيح أكثر من النماذج التي تنظر فقط إلى إطار واحد في كل مرة، مما أثبت أن قصة السقوط تُروى في إيقاع الخطوات، وليس فقط في وضعية قدم واحدة.

تم تصميم البيانات لتكون آمنة وخاصة، فهي لا تحتوي على صور للوجوه أو أسماء، بل تضم فقط الإحداثيات الرقمية للمفاصل. وهذا يسمح لمجتمع البحث ببناء واختبار أدوات سلامة جديدة دون المساس بكرامة كبار السن الذين ساهموا في الدراسة. ولا يشمل الإصدار البيانات فحسب، بل يتضمن أيضاً الكود والطرق المستخدمة لتنظيفها وتنظيمها، مما يضمن قدرة العلماء الآخرين على إعادة إنتاج النتائج. ومن خلال التركيز على التحدي المحدد، والذي غالباً ما يتم تجاهله، وهو المشي بمساعدة العكاز في البيئات الداخلية المغلقة، يوفر هذا العمل أساساً جديداً لتطوير تكنولوجيا يمكنها يوماً ما مراقبة كبارنا، ورصد علامات عدم التوازن والمساعدة في الحفاظ على سلامتهم قبل وقوع السقوط بفترة طويلة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →