MétaCan
Menu
Retour à la cohorte
Enregistrement W3141201723 · doi:10.1109/tim.2021.3069834

An RFID-Based Assistive Glove to Help the Visually Impaired

2021· article· en· W3141201723 sur OpenAlexaff
Paniz Sedighi, Mohammad Hesam Norouzi, Mehdi Delrobaei

Notice bibliographique

RevueIEEE Transactions on Instrumentation and Measurement · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueTactile and Sensory Interactions
Établissements canadiensWestern University
Organismes subventionnairesIran National Science Foundation
Mots-clésHuman–computer interactionWearable computerComputer scienceAssistive technologyPerceptionRadio-frequency identificationWired gloveIdentification (biology)BlindnessWearable technologyAssistive deviceComputer visionSonificationSensory substitutionArtificial intelligenceEmbedded systemPhysical medicine and rehabilitationVirtual realityPsychologyComputer security

Résumé

récupéré en direct d'OpenAlex

Recent studies have focused on facilitating perception and outdoor navigation for people who live with blindness or some form of vision loss. However, a significant portion of these studies is centered around treatment and vision rehabilitation, leaving some immediate needs, such as interaction with the surrounding objects or recognizing colors and fine patterns without tactile feedback. This study targets such needs and delivers a straightforward communication method with the environment using a wearable, unobtrusive device. We initially discuss the advantages and limitations of related works to draw out the best-fitting design concepts. Then, we introduce the potential for emerging technologies such as radio frequency identification. We present the design details and the experimental results of an assistive glove to allow people with vision disabilities to interact with the environment more efficiently. Based on the collected data from 17 blindfolded healthy participants, the implemented system’s success rate in identifying objects was about 96.32%. Overall, 70% of the users found the device very satisfactory.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,509

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,076
Tête enseignante GPT0,319
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Instrumentation and MeasurementMême sujetTactile and Sensory InteractionsTravaux en français237 207