基于视频的住院患者跌倒风险评估：案例研究
计算机视觉与模式识别
2024-03-06 v1 机器学习
摘要
住院患者跌倒是医院与医疗机构中严重的安全问题。近期用于患者监测的视频分析进展为通过持续活动监测降低该风险提供了非侵入式途径。然而，床上跌倒风险评估系统在文献中较少受到关注。多数先前研究聚焦于跌倒事件检测，而未考虑可能预示即将发生住院患者跌倒的情形。在此，我们提出一种基于视频的系统，可监测患者跌倒风险，并在不安全行为出现时警示工作人员，以在跌倒发生前帮助预防。我们提出一种方法，利用人体定位与骨架姿态估计的最新进展，从模拟环境中记录的视频帧提取空间特征。我们证明了身体姿态可被有效识别，并为跌倒风险评估提供有用证据。本工作凸显了基于视频的模型在分析关注行为方面的益处，并展示了此类系统如何能为医护人员提供充足的响应与满足患者需求的前置时间，这对于跌倒干预方案的开发是必要的。
引用
@article{arxiv.2106.07565,
title = {Video-Based Inpatient Fall Risk Assessment: A Case Study},
author = {Ziqing Wang and Mohammad Ali Armin and Simon Denman and Lars Petersson and David Ahmedt-Aristizabal},
journal= {arXiv preprint arXiv:2106.07565},
year = {2024}
}