論文の概要: Detection of Gait Abnormalities caused by Neurological Disorders
- arxiv url: http://arxiv.org/abs/2008.06861v1
- Date: Sun, 16 Aug 2020 09:00:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 12:06:23.961351
- Title: Detection of Gait Abnormalities caused by Neurological Disorders
- Title（参考訳）: 神経疾患による歩行異常の検出
- Authors: Daksh Goyal, Koteswar Rao Jerripothula, Ankush Mittal
- Abstract要約: 歩行を利用して、パーキンソン病、ジプレジア、ヘミプレジア、ハンティントン舞踏会などの重要な神経疾患を検知する。
異常の中には、脚の割込み、前方屈曲、不随意運動などが含まれる。
このような歩行異常を検出するために,人間のポーズ,肩,肘,腰,膝,足首などのキーポイントから歩行特徴を発達させる。
- 参考スコア（独自算出の注目度）: 4.114444605090134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we leverage gait to potentially detect some of the important
neurological disorders, namely Parkinson's disease, Diplegia, Hemiplegia, and
Huntington's Chorea. Persons with these neurological disorders often have a
very abnormal gait, which motivates us to target gait for their potential
detection. Some of the abnormalities involve the circumduction of legs,
forward-bending, involuntary movements, etc. To detect such abnormalities in
gait, we develop gait features from the key-points of the human pose, namely
shoulders, elbows, hips, knees, ankles, etc. To evaluate the effectiveness of
our gait features in detecting the abnormalities related to these diseases, we
build a synthetic video dataset of persons mimicking the gait of persons with
such disorders, considering the difficulty in finding a sufficient number of
people with these disorders. We name it \textit{NeuroSynGait} video dataset.
Experiments demonstrated that our gait features were indeed successful in
detecting these abnormalities.
- Abstract（参考訳）: 本稿では,歩行を利用してパーキンソン病,対麻痺,片麻痺,ハンチントン舞踏病などの重要な神経疾患を潜在的に検出する。
これらの神経疾患を持つ人は、しばしば非常に異常な歩行を持つため、潜在的な検出のために歩行を目標とする動機となる。
異常の中には、脚の割込み、前方屈曲、不随意運動などが含まれる。
このような歩行異常を検出するために,人間のポーズ,肩,肘,腰,膝,足首などのキーポイントから歩行特徴を発達させる。
これらの疾患の異常を検知する際の歩行特性の有効性を評価するため,これらの障害のある人の歩行を模倣した映像データセットを構築し,十分な数の人を見つけることの難しさを考察した。
ビデオデータセットを \textit{NeuroSynGait} と名付けます。
実験では、歩行の特徴が実際にこれらの異常を検出することに成功した。
関連論文リスト
- Deep Learning-Based Classification of Hyperkinetic Movement Disorders in Children [0.0]
小児の高速度運動障害 (HMD) は, 重なり合う臨床的特徴により, 重要な診断上の課題となる。
本研究では,運動課題を遂行する小児患者の映像記録からジストニアと胆管を区別するニューラルネットワークモデルを開発した。
論文 参考訳（メタデータ） (2024-11-19T22:02:04Z) - Fine-grained Abnormality Prompt Learning for Zero-shot Anomaly Detection [88.34095233600719]
FAPromptは、より正確なZSADのためにきめ細かい異常プロンプトを学習するために設計された新しいフレームワークである。
画像レベルおよび画素レベルのZSADタスクにおいて、最先端の手法を少なくとも3%-5%のAUC/APで大幅に上回っている。
論文 参考訳（メタデータ） (2024-10-14T08:41:31Z) - GaitMotion: A Multitask Dataset for Pathological Gait Forecasting [8.305371944195384]
GaitMotionは、ウェアラブルセンサーを活用するデータセットで、患者のリアルタイムな動きを病理学的な歩行で捉えます。
このデータセットは、ステップ/ストライドのセグメンテーションやステップ/ストライドの長さの予測など、複数のタスクに対して、広範な地上構造ラベリングを提供する。
このウェアラブル歩行分析スーツは、正常と病理の両方の歩行周期、パターン、パラメータをキャプチャする。
論文 参考訳（メタデータ） (2024-05-09T14:45:02Z) - Early Detection of Parkinson's Disease using Motor Symptoms and Machine
Learning [0.0]
本研究の目的は、運動や歩行関連パラメータなどの早期に発症する一般的な症状に焦点を当て、経済的かつ堅牢なウェアラブルデバイスの実現可能性に関する定量的分析に到達することである。
Parkinson's Progression Markers Initiative (PPMI)のサブセットであるPPMI Gaitデータセットが機能選択に使用されている。
その後、パーキンソン症候群の早期発見のために、91.9%の精度でリアルタイムデータをテストするために、特定された影響力のある特徴が使用されている。
論文 参考訳（メタデータ） (2023-04-18T19:13:05Z) - Deep learning reveals the common spectrum underlying multiple brain
disorders in youth and elders from brain functional networks [53.257804915263165]
ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。
病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。
多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
論文 参考訳（メタデータ） (2023-02-23T09:22:05Z) - Shoupa: An AI System for Early Diagnosis of Parkinson's Disease [1.2862023695904008]
パーキンソン病(英: Parkinson's Disease、PD)は、進行性神経系疾患であり、580万人以上、特に高齢者に影響を与えた。
早期発見には神経科医やPDスペシャリストが関与する必要があるが、ほとんどの高齢者にはアクセスできない。
本稿では,運動と非運動の両症状を評価する異なるタスクを組み合わせたPD早期検出システムについて紹介する。
論文 参考訳（メタデータ） (2022-11-28T11:32:17Z) - Are we certain it's anomalous? [57.729669157989235]
時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。
本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。
HypADは自己指導で入力信号を再構築する。
論文 参考訳（メタデータ） (2022-11-16T21:31:39Z) - Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification
Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。
提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文 参考訳（メタデータ） (2022-11-12T23:28:54Z) - Catching Both Gray and Black Swans: Open-set Supervised Anomaly
Detection [90.32910087103744]
ラベル付き異常な例は、多くの現実世界のアプリケーションでよく見られる。
これらの異常例は、アプリケーション固有の異常について貴重な知識を提供する。
トレーニング中に見られる異常は、可能なあらゆる種類の異常を説明できないことが多い。
本稿では,オープンセット型教師付き異常検出に取り組む。
論文 参考訳（メタデータ） (2022-03-28T05:21:37Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z)
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。