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: 処理完了
- 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
- Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳(メタデータ) (2022-06-16T17:59:05Z) - Identifying stimulus-driven neural activity patterns in multi-patient
intracranial recordings [0.26651200086513094]
刺激駆動型神経活動パターンの同定は、認知の神経基盤を研究する上で重要である。
第1章では、一般的な場合における刺激駆動型神経活動パターンの同定に関する主な課題について概説する。
マルチ患者頭蓋内記録における刺激駆動型神経活動パターンの同定とモデル化には,様々な物体内および物体間アプローチを検討する。
論文 参考訳(メタデータ) (2022-02-04T01:29:57Z) - Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。
本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。
提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文 参考訳(メタデータ) (2021-11-15T03:16:56Z) - Topological Data Analysis (TDA) Techniques Enhance Hand Pose
Classification from ECoG Neural Recordings [0.0]
時系列データのトポロジ的記述を導入し、手ポーズ分類を強化する。
4ラベルの分類問題に対して,可利用データに制限のあるAC精度で頑健な結果が得られた。
論文 参考訳(メタデータ) (2021-10-09T22:04:43Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳(メタデータ) (2021-10-04T16:06:49Z) - Facial Anatomical Landmark Detection using Regularized Transfer Learning
with Application to Fetal Alcohol Syndrome Recognition [24.27777060287004]
出生前アルコール曝露による胎児アルコール症候群(FAS)は、一連の頭蓋顔面異常を引き起こす可能性がある。
解剖学的ランドマーク検出は,FAS関連顔面異常の検出に重要である。
自然画像における顔のランドマーク検出のために設計された現在のディープラーニングに基づく熱マップ回帰法は、大きなデータセットが利用できることを前提としている。
我々は,大規模な顔認識データセットから学習したネットワークの知識を活用する,新たな正規化トランスファー学習手法を開発した。
論文 参考訳(メタデータ) (2021-09-12T11:05:06Z) - Typing assumptions improve identification in causal discovery [123.06886784834471]
観測データからの因果発見は、正確な解を常に特定できない難しい課題である。
そこで本研究では,変数の性質に基づいた因果関係を制約する仮説を新たに提案する。
論文 参考訳(メタデータ) (2021-07-22T14:23:08Z) - Non-contact Pain Recognition from Video Sequences with Remote
Physiological Measurements Prediction [53.03469655641418]
痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。
我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
論文 参考訳(メタデータ) (2021-05-18T20:47:45Z) - ICAM-reg: Interpretable Classification and Regression with Feature
Attribution for Mapping Neurological Phenotypes in Individual Scans [3.589107822343127]
本研究では,生成的深層学習における最近の進歩を活かし,同時分類法,回帰法,特徴帰属法を開発した。
Alzheimer's Disease Neuroimaging InitiativeコホートにおけるMini-Mental State examination (MMSE)認知テストスコア予測のタスクについて検証した。
本稿では,生成したfaマップを用いて異常予測を説明し,回帰加群を組み込むことで潜在空間の不連続性を改善することを示す。
論文 参考訳(メタデータ) (2021-03-03T17:55:14Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - Deep Learning for Medical Anomaly Detection -- A Survey [38.32234937094937]
本調査は,医学的異常検出における一般的な深層学習手法の詳細な理論的解析である。
我々は、アーキテクチャの違いとトレーニングアルゴリズムを比較し、対比しながら、最先端技術の一貫性と体系的なレビューに貢献する。
さらに,既存の深部医学的異常検出技術の重要な限界について概説し,今後の研究の方向性について検討する。
論文 参考訳(メタデータ) (2020-12-04T02:09:37Z)
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。