| Título : |
Challenges and Trends in Multimodal Fall Detection for Healthcare |
| Tipo de documento: |
documento electrónico |
| Autores: |
Ponce, Hiram, ; Martínez-Villaseñor, Lourdes, ; Brieva, Jorge, ; Moya-Albor, Ernesto, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2020 |
| Número de páginas: |
XIII, 259 p. |
| ISBN/ISSN/DL: |
978-3-030-38748-8 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Ingeniería Biomédica Inteligencia Computacional Biomecánica Ingeniería Biomédica y Bioingeniería |
| Índice Dewey: |
610.28 Técnicas y procedimientos auxiliares; aparatos. equipo. materiales |
| Resumen: |
Este libro se centra en implementaciones novedosas de tecnologías de sensores, inteligencia artificial, aprendizaje automático, visión por computadora y estadísticas para sistemas automatizados de reconocimiento de caídas humanas y temas relacionados que utilizan la fusión de datos. Incluye teoría e implementaciones de codificación para ayudar a los lectores a comprender rápidamente los conceptos y resaltar la aplicabilidad de esta tecnología. Por comodidad, se divide en dos partes. La primera parte revisa el estado del arte en sistemas de reconocimiento de actividad y caídas humanas, mientras que la segunda parte describe un conjunto de datos públicos especialmente seleccionado para la detección de caídas multimodal. También recopila contribuciones que demuestran el uso de este conjunto de datos y muestran ejemplos. Este libro es útil para cualquier persona interesada en los sistemas de detección de caídas, así como para aquellos interesados en resolver problemas desafiantes de reconocimiento de señales, visión y aprendizaje automático. Las aplicaciones potenciales incluyen atención médica, robótica, deportes, interacción hombre-máquina, entre otras. |
| Nota de contenido: |
Challenges and Solutions on Human Fall Detection and Classification -- Open Source Implementation for Fall Classification and Fall Detection Systems -- Detecting Human Activities based on a Multimodal Sensor Data Set using a Bidirectional Long Short-Term Memory Model: A Case Study -- Approaching Fall Classification using the UP-Fall Detection Dataset: Analysis and Results from an International Competition -- Reviews and Trends on Multimodal Healthcare -- A Novel Approach for Human Fall Detection and Fall Risk Assessment. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Challenges and Trends in Multimodal Fall Detection for Healthcare [documento electrónico] / Ponce, Hiram, ; Martínez-Villaseñor, Lourdes, ; Brieva, Jorge, ; Moya-Albor, Ernesto, . - 1 ed. . - [s.l.] : Springer, 2020 . - XIII, 259 p. ISBN : 978-3-030-38748-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Ingeniería Biomédica Inteligencia Computacional Biomecánica Ingeniería Biomédica y Bioingeniería |
| Índice Dewey: |
610.28 Técnicas y procedimientos auxiliares; aparatos. equipo. materiales |
| Resumen: |
Este libro se centra en implementaciones novedosas de tecnologías de sensores, inteligencia artificial, aprendizaje automático, visión por computadora y estadísticas para sistemas automatizados de reconocimiento de caídas humanas y temas relacionados que utilizan la fusión de datos. Incluye teoría e implementaciones de codificación para ayudar a los lectores a comprender rápidamente los conceptos y resaltar la aplicabilidad de esta tecnología. Por comodidad, se divide en dos partes. La primera parte revisa el estado del arte en sistemas de reconocimiento de actividad y caídas humanas, mientras que la segunda parte describe un conjunto de datos públicos especialmente seleccionado para la detección de caídas multimodal. También recopila contribuciones que demuestran el uso de este conjunto de datos y muestran ejemplos. Este libro es útil para cualquier persona interesada en los sistemas de detección de caídas, así como para aquellos interesados en resolver problemas desafiantes de reconocimiento de señales, visión y aprendizaje automático. Las aplicaciones potenciales incluyen atención médica, robótica, deportes, interacción hombre-máquina, entre otras. |
| Nota de contenido: |
Challenges and Solutions on Human Fall Detection and Classification -- Open Source Implementation for Fall Classification and Fall Detection Systems -- Detecting Human Activities based on a Multimodal Sensor Data Set using a Bidirectional Long Short-Term Memory Model: A Case Study -- Approaching Fall Classification using the UP-Fall Detection Dataset: Analysis and Results from an International Competition -- Reviews and Trends on Multimodal Healthcare -- A Novel Approach for Human Fall Detection and Fall Risk Assessment. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Challenges and Trends in Multimodal Fall Detection for Healthcare
