老人动作质量自动评估
通过视频姿态估计，将临床对步态、姿势和平衡的观察转化为结构化评估信号。
为什么重要
养老照护团队需要更早的风险信号，而不是更多警报。
大多数照护系统在事件发生后才开始响应。但跌倒风险、衰弱和功能下降往往会先通过步态、姿势、平衡和日常活动的细微变化逐渐显现。
跌倒通常被发现得太晚。
传统报警系统往往在事件发生后才通知护理团队，留给提前干预的时间有限。
可穿戴设备依赖长者配合。
在长期照护场景中，设备可能被忘记佩戴、主动取下或被长者拒绝使用。
细微运动变化难以人工量化。
人工观察难以持续、规模化地评估步态稳定性、平衡趋势和动作质量。
护理团队需要明确的优先级。
护理人员需要清晰、可行动的风险信号，帮助他们把精力放在最需要关注的长者身上。
平台概览
将日常运动行为转化为可行动的照护洞察。
PreSense AI 在边缘端分析经过隐私保护的运动模式，将步态、姿势、平衡和活动信号转化为预测性风险评分和数字化衰弱指标。
长者无需佩戴设备。
原始视频保留在本地。
匿名骨骼数据用于分析。
风险洞察支持主动照护工作流。
Core capabilities
Built for proactive geriatric care.
被动无感运动监测
无需穿戴设备即可进行连续、非侵入式运动分析，兼顾长者舒适度与尊严。
预测性风险评分
基于运动信号和预测性分析，识别跌倒、衰弱或功能下降风险升高的长者。
数字化衰弱指标
持续追踪步态、姿势、平衡和移动能力变化，支持更早干预和效果评估。
CogniDrive 数字化身心赋能平台
提供认知训练和微运动训练，并可根据 AI 生成的健康指标动态调整训练内容。
评估场景
贴合长者运动能力评估工作流。
平台愿景来自资料中的实际评估流程：动作质量客观化评估、运动能耗监测、运动处方调整，以及社区/基层医疗的早期干预。
静态与动态动作分析
对简单重复动作进行关键点、运动波形和时间对齐分析，辅助客观评估动作完成质量。
运动能耗与活动监测
活动信号可用于辅助调整运动计划、观察疲劳风险，并支持更安全的长者运动项目。
社区与家庭医生支持
客观运动指标可帮助家庭医生和社区养老机构开展更早的干预和照护协同。
Care loop
A closed loop for proactive care.
01
感知
在边缘端进行被动运动感知。
02
理解
将视频转化为匿名骨骼与运动向量数据。
03
预测
生成风险评分与数字化衰弱指标。
04
干预
支持护理团队行动与 CogniDrive 训练计划。
05
评估
追踪干预后的变化，并辅助优化照护计划。
隐私内置于设计
隐私保护内置于系统架构。
PreSense AI 设计为在机构本地边缘端处理视觉数据。原始视频无需离开边缘设备，分析基于匿名骨骼数据和运动向量数据完成。
Privacy & compliance边缘端处理
原始视频不上传
匿名骨骼追踪
加拿大本土分析数据
Technology
Local processing, anonymized signals, care-oriented indicators.
The platform is designed to turn movement into structured indicators through edge processing, skeletal tracking and predictive analytics.
Visual input
Facility environment
Edge unit
Local processing
Skeletal vectors
Anonymized signals
Risk model
Care indicators
Dashboard
Care workflow
Use cases
Designed for senior care environments.
长期照护机构
帮助机构识别重点关注对象，支持跌倒风险工作流并追踪衰弱趋势。
养老社区
在尊重隐私的基础上支持风险感知、独立生活和健康参与。
社区与基层医疗项目
提供客观运动指标，支持更早干预和照护协同。
科研与临床合作
为临床验证、试点项目和长者照护创新提供结构化运动分析能力。