A real-world indoor dynamic skeleton dataset of elderly abnormal gait including crutch-assisted walking
Het artikel introduceert ElderlyPipe, een publiekelijk vrijgegeven real-world indoor dataset van 63.855 kwaliteitsgegarandeerde skeletframes die het gedrag van ouderen vastleggen, inclusief lopen met een kruk, wat aantoont dat spatiotemporele graafmodellen beter presteren dan single-frame benaderingen bij het analyseren van looponbalans.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Valincidenten zijn een belangrijke oorzaak van letsel en overlijden bij ouderen, vaak het gevolg van subtiele verschuivingen in het evenwicht die onopgemerkt blijven totdat het te laat is. Om deze tragedies te voorkomen, hebben zorgverleners en medische professionals een manier nodig om te monitoren hoe mensen lopen, op zoek naar de vroege tekenen van instabiliteit voordat een val plaatsvindt. Decennialang hebben onderzoekers geprobeerd computersystemen te bouwen die een persoon kunnen observeren en hun beweging kunnen begrijpen, maar deze systemen worstelden met één groot probleem: ze missen goede data. De meeste bestaande opnames van menselijke bewegingen komen van jonge, gezonde mensen in heldere, gecontroleerde studio's, of ze vertrouwen op sensoren die op het lichaam worden gedragen, die mensen vaak vergeten aan te trekken. Wat ontbrak, was een helder, gedetailleerd verslag van hoe ouderen zich daadwerkelijk bewegen in de rommelige, onvoorspelbare realiteit van een verzorgingstehuis of een woonkamer, vooral wanneer zij moeite hebben met lopen of een kruk gebruiken voor ondersteuning. Zonder dit specifieke soort informatie kunnen computers niet leren het verschil te zien tussen een normale stap en een gevaarlijke struikelpartij.
Een team onderzoekers van de Zhejiang Sci-Tech University heeft deze kloof nu opgevuld door een nieuwe collectie data te creëren genaand ElderlyPipe. In plaats van video's op te nemen van gezichten of lichamen van mensen, wat privacyzorgen oproept, hebben de onderzoekers beweging vastgelegd en deze omgezet in digitale skeletten. Deze skeletten zijn geen tekeningen, maar eerder een reeks wiskundige punten die de locatie van iemands gewrichten markeren, zoals schouders, ellebogen en knieën, terwijl zij door de tijd heen bewegen. Het team richtte zich op het opnemen van echte oudere bewoners in hun dagelijkse omgevingen, inclusief gangen, lobby's en eetruimtes, waarbij vier verschillende gedragingen werden vastgelegd: staan, lopen, zitten en de cruciale, ongebalanceerde handeling van het lopen met een kruk. Door 63.855 van deze hoogwaardige bewegingsframes te verzamelen uit 287 continue videosegmenten, hebben de onderzoekers een bron geboden waarmee computers de specifieke, trillende patronen van de loopgang kunnen bestudelen die gevaar signaleren bij ouderen.
Het proces van het omzetten van ruwe video naar deze nuttige digitale skeletten vereiste een zorgvuldige, meerstaps aanpak om de uitdagingen van een echte omgeving aan te pakken. In een verzorgingstehuis kan de verlichting plotseling veranderen, en mensen blokkeren vaak het zicht van de camera op elkaar, waardoor standaard computer vision-tools het spoor van iemands ledematen kwijtraken. Om dit op te lossen, ontwikkelden de onderzoekers een systeem dat eerst de gewrichten identificeert met behulp van een standaard detectietool, en vervolgens de ontbrekende stukken invult wanneer een ledemaat verborgen is. Als een gewricht voor een korte tijd verdwijnt, raadt het systeem de locatie ervan door een rechte lijn te treken tussen waar het eerder werd gezien en waar het weer verschijnt. Als een ledemaat langer verborgen is, gebruikt het systeem de bekende lengte van de arm of het been van de persoon om te schatten waar het ontbrekende gewricht zich moet bevinden, gebaseerd op de positie van de gewrichten die nog wel zichtbaar zijn. Zodra het skelet compleet is, vlakt het systeem de schokkerige, trillende bewegingen af die computers vaak introduceren, wat een vloeiend en continu verslag van de beweging van de persoon creëert.
Wat deze dataset bijzonder waardevol maakt, is dat het niet alleen laat zien dat een persoon stilstaat; het legt de stroom van beweging over de tijd vast. De onderzoekers hebben de data georganiseerd in kleine vensters van vierentwintig frames, waardoor ze kunnen bestudelen hoe het lichaam van een persoon van het ene moment naar het andere beweegt. Ze ontdekten dat het gezamenlijk bekijken van de opeenvolgende bewegingen veel effectiever is dan het kijken naar losse momentopnames. Wanneer zij computermodellen op deze data testten, bleek het systeem dat het begrip had voor de verbinding tussen het verleden en de huidige bewegingen veel beter in staat om de moeilijke, ongebalanceerde loopgang van iemand die een kruk gebruikt te identificeren. Dit systeem identificeerde deze risicovolle bewegingen vaker correct dan modellen die slechts naar één frame tegelijk keken, wat bewees dat het verhaal van een val wordt verteld in het ritme van de stappen, en niet alleen in de positie van een enkele voet.
De data is ontworpen om veilig en privé te zijn, en bevat geen afbeeldingen van gezichten of namen, alleen de numerieke coördinaten van de gewrichten. Dit stelt de onderzoekscommunity in staat om nieuwe veiligheidstools te bouwen en te testen zonder de waardigheid van de oudere bewoners die aan de studie hebben bijgedragen, in gevaar te brengen. De release bevat niet alleen de data, maar ook de code en methoden die werden gebruikt om deze te reinigen en te organiseren, wat ervoor zorgt dat andere wetenschappers de resultaten kunnen reproduceren. Door zich te richten op de specifieke, vaak over het hoofd geziene uitdaging van het lopen met een kruk in echte binnenomgevingen, biedt dit werk een nieuw fundament voor het ontwikkelen van technologie die op een dag over onze ouderen kan waken, de tekenen van instabiliteit opmerkt en hen helpt veilig te houden lang voordat een val daadwerkelijk plaatsvindt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.