Within rehabilitation, there is a great need for a simple method to monitor wheelchair use, especially whether it is active or passive. For this purpose, an existing measurement technique was extended with a method for detecting self- or attendant-pushed wheelchair propulsion. The aim of this study was to validate this new detection method by comparison with manual annotation of wheelchair use. Twenty-four amputation and stroke patients completed a semi-structured course of active and passive wheelchair use. Based on a machine learning approach, a method was developed that detected the type of movement. The machine learning method was trained based on the data of a single-wheel sensor as well as a setup using an additional sensor on the frame. The method showed high accuracy (F1 = 0.886, frame and wheel sensor) even if only a single wheel sensor was used (F1 = 0.827). The developed and validated measurement method is ideally suited to easily determine wheelchair use and the corresponding activity level of patients in rehabilitation.
DOCUMENT
In recent years, drones have increasingly supported First Responders (FRs) in monitoring incidents and providing additional information. However, analysing drone footage is time-intensive and cognitively demanding. In this research, we investigate the use of AI models for the detection of humans in drone footage to aid FRs in tasks such as locating victims. Detecting small-scale objects, particularly humans from high altitudes, poses a challenge for AI systems. We present first steps of introducing and evaluating a series of YOLOv8 Convolutional Neural Networks (CNNs) for human detection from drone images. The models are fine-tuned on a created drone image dataset of the Dutch Fire Services and were able to achieve a 53.1% F1-Score, identifying 439 out of 825 humans in the test dataset. These preliminary findings, validated by an incident commander, highlight the promising utility of these models. Ongoing efforts aim to further refine the models and explore additional technologies.
MULTIFILE
Zwaar illegaal vuurwerk veroorzaakte bij de afgelopen jaarwisseling meer letsel dan andere soorten vuurwerk. Dat blijkt uit een donutdiagram van Kenniscentrum Letselschade. Helaas vertekent het 3D-effect de data. De cijfers werden ook door de NOS gebruikt in een andere donutgrafiek. In beide grafieken kunnen aanpassingen in kleurgebruik en volgorde de informatie nog duidelijker overbrengen.
LINK
Studenten in het beroepsonderwijs leren op de werkplek om een goede beroepsuitoefenaar te worden. Beoordeling van het werkplekleren gebeurt vaak op de werkplek en door de werkplek. Dit promotieonderzoek wil in kaart brengen hoe werkplekopleiders de student beoordelen.
Wat dragen creatieve onderzoeksmethodes bij aan vernieuwing binnen de zorg? We onderzoeken dit binnen tien projecten van het Create Health-programma van ZonMw. In deze projecten wordt kennis ontwikkeld over de toegevoegde waarde van creatieve manieren van werken bij e-health innovatie.
Ervaringskennis zijn persoonlijke ervaringen die gebruikt kunnen worden als kennisbron voor persoonlijke ontwikkeling en beroepsontwikkeling. In het bijzonder gaat het om ervaringen die de kwaliteit van leven beïnvloeden. Denk daarbij aan trauma, ziekte, beperkingen of armoede. Dit project gaat over ervaringskennis in mensgerichte beroepen zoals sociaal werk en verpleegkunde.
