論文の概要: Automated system to measure Tandem Gait to assess executive functions in children

• arxiv url: http://arxiv.org/abs/2012.08662v2
• Date: Mon, 28 Dec 2020 18:40:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-07 05:18:11.013093
• Title: Automated system to measure Tandem Gait to assess executive functions in children
• Title（参考訳）: 子どもの経営機能評価のためのタンデム歩行自動計測システム
• Authors: Mohammad Zaki Zadeh, Ashwin Ramesh Babu, Ashish Jaiswal, Maria Kyrarini, Morris Bell, Fillia Makedon
• Abstract要約: 本研究は,子どもの歩行運動の分析による運動機能評価に焦点をあてる。 我々は,学校や家庭環境において採用しやすいカメラのみを必要とするコンピュータビジョンに基づくアセスメントシステムを開発した。 その結果、76.61%の分類精度を達成し、子どものパフォーマンス評価を自動化するための提案作業の有効性を強調した。
• 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: As mobile technologies have become ubiquitous in recent years, computer-based cognitive tests have become more popular and efficient. In this work, we focus on assessing motor function in children by analyzing their gait movements. Although there has been a lot of research on designing automated assessment systems for gait analysis, most of these efforts use obtrusive wearable sensors for measuring body movements. We have devised a computer vision-based assessment system that only requires a camera which makes it easier to employ in school or home environments. A dataset has been created with 27 children performing the test. Furthermore in order to improve the accuracy of the system, a deep learning based model was pre-trained on NTU-RGB+D 120 dataset and then it was fine-tuned on our gait dataset. The results highlight the efficacy of proposed work for automating the assessment of children's performances by achieving 76.61% classification accuracy.
• Abstract（参考訳）: 近年、モバイル技術が普及し、コンピュータベースの認知テストが普及し、効率的になっている。 本研究では,子どもの歩行動作を分析し,運動機能の評価に焦点をあてる。 歩行分析のための自動アセスメントシステムを設計する研究は数多く行われているが、これらの取り組みの多くは体の動きを測定するために強迫性ウェアラブルセンサーを使用している。 我々は,学校や家庭環境において採用しやすいカメラのみを必要とするコンピュータビジョンに基づくアセスメントシステムを開発した。 データセットが作成され、27人の子供がテストを行います。 さらに、システムの精度を向上させるために、NTU-RGB+D 120データセットでディープラーニングベースモデルを事前訓練し、歩行データセットで微調整した。 その結果,76.61%の分類精度を達成し,子どものパフォーマンス評価の自動化に向けた提案作業の有効性を強調した。

関連論文リスト

• Rubric-Specific Approach to Automated Essay Scoring with Augmentation Training [0.1227734309612871]
  本稿では,従来の研究で見過ごされた機能や特徴を学習するために,自動スコアリングモデルの訓練とテストを行う一連のデータ拡張操作を提案する。 自動学生評価賞(Automated Students Assessment Prize)データセットにおいて,最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2023-09-06T05:51:19Z)
• Evaluation of self-supervised pre-training for automatic infant movement classification using wearable movement sensors [2.995873287514728]
  乳幼児ウェアラブルMAIJUは、乳幼児の運動性能を病院外環境で自動的に評価する手段を提供する。 そこで本研究では,MAIJU録音の分析に用いる分類器の性能向上について検討した。
  論文  参考訳（メタデータ） (2023-05-16T11:46:16Z)
• Self-Improving Robots: End-to-End Autonomous Visuomotor Reinforcement Learning [54.636562516974884]
  模倣と強化学習において、人間の監督コストは、ロボットが訓練できるデータの量を制限する。 本研究では,自己改善型ロボットシステムのための新しい設計手法であるMEDAL++を提案する。 ロボットは、タスクの実施と解除の両方を学ぶことで、自律的にタスクを練習し、同時にデモンストレーションから報酬関数を推論する。
  論文  参考訳（メタデータ） (2023-03-02T18:51:38Z)
• Graph Neural Network based Child Activity Recognition [6.423239719448169]
  本稿では,グラフ畳み込みネットワーク(GCN)に基づく深層学習モデルを用いた児童活動認識(CAR)の実装について述べる。 特徴抽出法と微調整法により、精度は20%-30%向上し、最高精度は82.24%となった。
  論文  参考訳（メタデータ） (2022-12-18T05:07:11Z)
• BabyNet: A Lightweight Network for Infant Reaching Action Recognition in Unconstrained Environments to Support Future Pediatric Rehabilitation Applications [5.4771139749266435]
  動作認識は、ウェアラブルロボット外骨格のような物理的リハビリテーション装置の自律性を改善する重要な要素である。 本稿では,生体外静止カメラから幼児の到達行動を認識する軽量ネットワーク構造であるBabyNetを紹介する。
  論文  参考訳（メタデータ） (2022-08-09T07:38:36Z)
• ALBench: A Framework for Evaluating Active Learning in Object Detection [102.81795062493536]
  本稿では、オブジェクト検出におけるアクティブラーニングを評価するために、ALBenchという名前のアクティブラーニングベンチマークフレームワークをコントリビュートする。 自動深層モデルトレーニングシステム上で開発されたこのALBenchフレームワークは、使いやすく、さまざまなアクティブな学習アルゴリズムと互換性があり、同じトレーニングおよびテストプロトコルを保証する。
  論文  参考訳（メタデータ） (2022-07-27T07:46:23Z)
• Cross Your Body: A Cognitive Assessment System for Children [5.279475826661643]
  我々はCross-Your-Bodyと呼ばれるシステムと記録データを作成しました。 ビデオは現実世界の使い方を捉え、心理学者による実世界のアセスメント中に子供たちがタスクを行う様子を録画する。 本システムは,子どもの認知評価研究の進展に役立てることが目標である。
  論文  参考訳（メタデータ） (2021-11-24T22:38:07Z)
• ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
  少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。 ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
  論文  参考訳（メタデータ） (2021-04-11T12:14:04Z)
• Evaluation Toolkit For Robustness Testing Of Automatic Essay Scoring Systems [64.4896118325552]
  モデル逆算評価スキームと関連するメトリクスを用いて、現状のAESモデルを評価する。 AESモデルは非常に過大評価されていることがわかった。質問の話題に関係のない内容の重い修正(25%まで)でさえ、モデルが生み出すスコアを低下させることはない。
  論文  参考訳（メタデータ） (2020-07-14T03:49:43Z)
• Automatic Gesture Recognition in Robot-assisted Surgery with Reinforcement Learning and Tree Search [63.07088785532908]
  共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。 我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
  論文  参考訳（メタデータ） (2020-02-20T13:12:38Z)
• GraspNet: A Large-Scale Clustered and Densely Annotated Dataset for Object Grasping [49.777649953381676]
  我々は,統合評価システムを用いた大規模グリップポーズ検出データセットに貢献する。 データセットには87,040枚のRGBD画像と3億7000万枚以上のグリップポーズが含まれている。
  論文  参考訳（メタデータ） (2019-12-31T18:15:11Z)

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。