論文の概要: Classification of Pathological and Normal Gait: A Survey
- arxiv url: http://arxiv.org/abs/2012.14465v1
- Date: Mon, 28 Dec 2020 19:56:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2021-04-19 11:07:34.831310
- Title: Classification of Pathological and Normal Gait: A Survey
- Title（参考訳）: 病的歩行と正常歩行の分類 : アンケート調査
- Authors: Ryan C. Saxe, Samantha Kappagoda, David K.A. Mordecai
- Abstract要約: 歩行認識とは、コンピュータ科学分野における識別問題と呼ばれる用語である。
本稿では,個人間移動のパターンやモードに関するデータを収集・分析するための適切なメトリクス,デバイス,アルゴリズムの同定を目指す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Gait recognition is a term commonly referred to as an identification problem
within the Computer Science field. There are a variety of methods and models
capable of identifying an individual based on their pattern of ambulatory
locomotion. By surveying the current literature on gait recognition, this paper
seeks to identify appropriate metrics, devices, and algorithms for collecting
and analyzing data regarding patterns and modes of ambulatory movement across
individuals. Furthermore, this survey seeks to motivate interest in a broader
scope of longitudinal analysis regarding the perturbations in gait across
states (i.e. physiological, emotive, and/or cognitive states). More broadly,
inferences to normal versus pathological gait patterns can be attributed, based
on both longitudinal and non-longitudinal forms of classification. This may
indicate promising research directions and experimental designs, such as
creating algorithmic metrics for the quantification of fatigue, or models for
forecasting episodic disorders. Furthermore, in conjunction with other
measurements of physiological and environmental conditions, pathological gait
classification might be applicable to inference for syndromic surveillance of
infectious disease states or cognitive impairment.
- Abstract（参考訳）: 歩行認識とは、コンピュータ科学分野における識別問題と呼ばれる用語である。
動作パターンに基づいて個人を識別できる様々な方法やモデルが存在する。
本稿では,歩行認識に関する現在の文献を調査し,個人間の歩行運動のパターンやモードに関するデータ収集と分析のための適切な指標,デバイス,アルゴリズムの同定を試みる。
さらに、この調査は、国家間の歩行の摂動に関する縦断的分析の幅広い範囲への関心を動機付けようとしている。
生理的、動機的、および/または認知状態)。
より広義には、通常の歩行パターンと病的歩行パターンへの推論は、縦型と非縦型の両方の分類に基づいている。
これは、疲労の定量化のためのアルゴリズムメトリクスの作成や、エピソード障害の予測モデルなど、有望な研究方向と実験的設計を示す可能性がある。
さらに、他の生理的・環境的条件の測定と合わせて、病状状態のシンドロミック監視や認知障害の推測に病理学的歩行分類を適用することができる。
関連論文リスト
- Optimal Transport for Latent Integration with An Application to Heterogeneous Neuronal Activity Data [1.5311478638611091]
本稿では,複雑な生物学的プロセスにおいて共有パターンを抽出する最適なトランスポートに基づく,新しい異種データ統合フレームワークを提案する。
本手法は,少数の被験者でも有効であり,アライメントに補助的なマッチング情報を必要としない。
論文 参考訳（メタデータ） (2024-06-27T04:29:21Z) - Deep Latent Variable Modeling of Physiological Signals [0.8702432681310401]
潜時変動モデルを用いた生理モニタリングに関する高次元問題について検討する。
まず、光学的に得られた信号を入力として、心の電気波形を生成するための新しい状態空間モデルを提案する。
次に,確率的グラフィカルモデルの強みと深い敵対学習を組み合わせた脳信号モデリング手法を提案する。
第3に,生理的尺度と行動の合同モデリングのための枠組みを提案する。
論文 参考訳（メタデータ） (2024-05-29T17:07:33Z) - 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) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - Conditionally Invariant Representation Learning for Disentangling
Cellular Heterogeneity [25.488181126364186]
本稿では,不必要な変数や乱れに条件付き不変な表現を学習するために,ドメインの可変性を活用する新しい手法を提案する。
単細胞ゲノム学におけるデータ統合など,生物の課題に対して本手法を適用した。
具体的には、提案手法は、対象のタスクと無関係なデータバイアスや興味の因果的説明から生物学的信号を解き放つのに役立つ。
論文 参考訳（メタデータ） (2023-07-02T12:52:41Z) - Data and Knowledge Co-driving for Cancer Subtype Classification on
Multi-Scale Histopathological Slides [4.22412600279685]
病理学者のような組織学的スライド上で癌サブタイプ分類の過程を再現するデータ・知識共同運転(D&K)モデルを提案する。
具体的には、データ駆動モジュールにおいて、アンサンブル学習におけるバッグング機構を利用して、埋め込み表現ユニットによって抽出された様々なバッグの組織学的特徴を統合する。
論文 参考訳（メタデータ） (2023-04-18T21:57:37Z) - T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in
Disease Progression [82.85825388788567]
我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。
T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
論文 参考訳（メタデータ） (2023-02-24T13:30:35Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - Deep Learning for Time Series Anomaly Detection: A Survey [53.83593870825628]
時系列異常検出は、製造業や医療を含む幅広い研究分野や応用に応用されている。
時系列の大規模かつ複雑なパターンにより、研究者は異常パターンを検出するための特別な深層学習モデルを開発するようになった。
本調査は,ディープラーニングを用いた構造化および総合的時系列異常検出モデルの提供に焦点を当てる。
論文 参考訳（メタデータ） (2022-11-09T22:40:22Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳（メタデータ） (2020-07-07T21:04:55Z)
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。