論文の概要: Automatic Tracking of the Muscle Tendon Junction in Healthy and Impaired Subjects using Deep Learning

• arxiv url: http://arxiv.org/abs/2005.02071v1
• Date: Tue, 5 May 2020 11:24:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 14:42:10.165270
• Title: Automatic Tracking of the Muscle Tendon Junction in Healthy and Impaired Subjects using Deep Learning
• Title（参考訳）: 深層学習による健常者および障害者の筋腱接合部の自動追跡
• Authors: Christoph Leitner, Robert Jarolim, Andreas Konrad, Annika Kruse, Markus Tilp, J\"org Schr\"ottner, Christian Baumgartner
• Abstract要約: 運動中の筋肉腱接合変位を記録することで、筋肉と腱の挙動を別々に調べることができる。 超音波画像における筋腱接合部の位置を検出するために,新しい深層学習手法を用いた。 提案手法は様々な分野に適用可能であり,リアルタイムに運用可能であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recording muscle tendon junction displacements during movement, allows separate investigation of the muscle and tendon behaviour, respectively. In order to provide a fully-automatic tracking method, we employ a novel deep learning approach to detect the position of the muscle tendon junction in ultrasound images. We utilize the attention mechanism to enable the network to focus on relevant regions and to obtain a better interpretation of the results. Our data set consists of a large cohort of 79 healthy subjects and 28 subjects with movement limitations performing passive full range of motion and maximum contraction movements. Our trained network shows robust detection of the muscle tendon junction on a diverse data set of varying quality with a mean absolute error of 2.55$\pm$1 mm. We show that our approach can be applied for various subjects and can be operated in real-time. The complete software package is available for open-source use via: https://github.com/luuleitner/deepMTJ
• Abstract（参考訳）: 運動中の筋腱接合部変位の記録は、それぞれ筋と腱の挙動を別々に調べられる。 超音波画像における筋腱接合位置を検出するために,新しい深層学習手法を用いて全自動追跡法を提案する。 注意機構を利用して,ネットワークが関連する領域に集中できるようにし,その結果をよりよく解釈する。 データセットは, 健常者79名, 運動制限28名からなる大きなコホートからなり, 受動的全幅運動と最大収縮運動を行う。 トレーニングしたネットワークは, 平均絶対誤差2.55$\pm$1 mmの様々な品質の様々なデータセット上で, 筋腱接合を頑健に検出した。 提案手法は様々な分野に適用可能であり,リアルタイムに運用可能であることを示す。 完全なソフトウェアパッケージは、https://github.com/luuleitner/deepMTJを介してオープンソースで利用できる。

関連論文リスト

• Muscles in Time: Learning to Understand Human Motion by Simulating Muscle Activations [64.98299559470503]
  マッスル・イン・タイム (MinT) は、大規模な人工筋肉活性化データセットである。 227名の被験者と402名の模擬筋骨格をカバーする9時間以上のシミュレーションデータを含んでいる。 ヒトのポーズ配列からニューラルネットワークを用いた筋活動量推定の結果を示す。
  論文  参考訳（メタデータ） (2024-10-31T18:28:53Z)
• After-Stroke Arm Paresis Detection using Kinematic Data [2.375665889100906]
  本稿では,片側腕麻痺・弱さをキネマティックデータを用いて検出する手法を提案する。 本手法では, 時間的畳み込みネットワークとリカレントニューラルネットワークを用いて, 知識蒸留によって導かれる。 以上の結果から,本手法が臨床医や医療従事者にとって有用である可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-03T16:56:02Z)
• Intelligent Knee Sleeves: A Real-time Multimodal Dataset for 3D Lower Body Motion Estimation Using Smart Textile [2.2008680042670123]
  本稿では,人間のポーズ推定のために,Intelligent Knee Sleevesの新たなペアを用いてベンチマークを収集したマルチモーダルデータセットを提案する。 本システムは,Knee Sleevesの時系列データと,可視化されたモーションキャプチャーカメラシステムからの対応する地上真実ラベルからなる同期データセットを利用する。 我々はこれらを用いて、異なる活動を行う個人のウェアラブルデータのみに基づく3次元人体モデルを生成する。
  論文  参考訳（メタデータ） (2023-10-02T00:34:21Z)
• A Two-stream Convolutional Network for Musculoskeletal and Neurological Disorders Prediction [14.003588854239544]
  筋骨格障害や神経疾患は高齢者の歩行障害の最も一般的な原因である。 近年のディープラーニングに基づく手法は、自動分析に有望な結果を示している。
  論文  参考訳（メタデータ） (2022-08-18T14:32:16Z)
• Superficial White Matter Analysis: An Efficient Point-cloud-based Deep Learning Framework with Supervised Contrastive Learning for Consistent Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
  ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。 ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。 本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
  論文  参考訳（メタデータ） (2022-07-18T23:07:53Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• A Human-Centered Machine-Learning Approach for Muscle-Tendon Junction Tracking in Ultrasound Images [0.0]
  超音波ビデオにおける筋腱接合部追跡のための信頼性と時間的機械学習手法を提案する。 健常者123名, 難聴者38名を対象に, 3種類の機能的運動, 2個の筋肉を対象とし, 広範囲なデータセットを収集した。 本モデルでは筋-腱接合位置の同定において,4人の専門家に類似したパフォーマンススコアが得られた。
  論文  参考訳（メタデータ） (2022-02-10T18:02:46Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Relational Graph Learning on Visual and Kinematics Embeddings for Accurate Gesture Recognition in Robotic Surgery [84.73764603474413]
  本稿では,マルチモーダルグラフネットワーク(MRG-Net)の新たなオンラインアプローチを提案し,視覚情報とキネマティクス情報を動的に統合する。 本手法の有効性は, JIGSAWSデータセット上での最先端の成果で実証された。
  論文  参考訳（メタデータ） (2020-11-03T11:00:10Z)
• Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
  畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。 深層学習に基づく手法が古典的アプローチより優れていることが実証された。
  論文  参考訳（メタデータ） (2020-08-05T08:49:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。