論文の概要: Machine Learning-based Classification of Active Walking Tasks in Older
Adults using fNIRS
- arxiv url: http://arxiv.org/abs/2102.03987v2
- Date: Wed, 10 Feb 2021 12:21:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-11 12:11:04.915497
- Title: Machine Learning-based Classification of Active Walking Tasks in Older
Adults using fNIRS
- Title(参考訳): fNIRSを用いた高齢者のアクティブウォーキングタスクの機械学習に基づく分類
- Authors: Dongning Ma, Meltem Izzetoglu, Roee Holtzer, Xun Jiao
- Abstract要約: 機能的近赤外分光法(fNIRS)により測定された前頭前皮質における歩行の皮質制御は、年齢、性別、認知状態、および様々な年齢関連疾患によって抑制されている。
我々は、fNIRS信号に基づいて、高齢者のアクティブウォーキングタスクを分類するための機械学習手法を用いた分類モデルを開発した。
- 参考スコア(独自算出の注目度): 2.0953361712358025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Decline in gait features is common in older adults and an indicator of
disability and mortality. Cortical control of gait, specifically in the
pre-frontal cortex as measured by functional near infrared spectroscopy
(fNIRS), during dual task walking has shown to be moderated by age, gender,
cognitive status, and various age-related disease conditions. In this study, we
develop classification models using machine learning methods to classify active
walking tasks in older adults based on fNIRS signals into either
Single-Task-Walk (STW) or Dual-Task-Walk (DTW) conditions. In this study, we
develop classification models using machine learning methods to classify active
walking tasks in older adults based on fNIRS signals into either single-task
walking (STW) or dual-task walking (DTW). The fNIRS measurements included
oxyhemoglobin (HbO2) and deoxyhemoglobin (Hb) signals obtained from prefrontal
cortex (PFC) of the subject performing on the ground active walking tasks with
or without a secondary cognitive task. We extract the fNIRS-related features by
calculating the minimum, maximum, mean, skewness and kurtosis values of Hb and
Hbo2 signals. We then use feature encoding to map the values into binary space.
Using these features, we apply and evaluate various machine learning methods
including logistic regression (LR), decision tree (DT), support vector machine
(SVM), k-nearest neighbors (kNN), multilayer perceptron (MLP), and Random
Forest (RF). Results showed that the machine learning models can achieve around
97\% classification accuracy.
- Abstract(参考訳): 歩行能力の低下は高齢者によく見られ、障害や死亡の指標である。
機能的近赤外分光法(fNIRS)によって測定された前頭前皮質における歩行の皮質制御は、二重タスク歩行中に年齢、性別、認知状態、および様々な年齢関連疾患条件によって緩和されることが示されている。
本研究では, FNIRS信号に基づく高齢者のアクティブ歩行タスクを, 単一タスク・ウォーク (STW) またはデュアルタスク・ウォーク (DTW) のどちらかの条件に分類する機械学習手法を用いた分類モデルを開発する。
本研究では, FNIRS信号に基づく高齢者のアクティブウォーキングタスクを, シングルタスクウォーキング (STW) またはデュアルタスクウォーキング (DTW) に分類する機械学習手法を用いた分類モデルを開発する。
fNIRS測定では,前頭前皮質 (PFC) から得られたオキシヘモグロビン (HbO2) とデオキシヘモグロビン (Hb) の信号が, 二次認知タスクの有無にかかわらず, 地上歩行タスクで実行された。
我々は,HbおよびHbo2信号の最小値,最大値,平均値,歪値,曲率を算出し,fNIRS関連特徴を抽出する。
次に、機能エンコーディングを使用して値をバイナリ空間にマッピングします。
これらの特徴を利用して、ロジスティック回帰(LR)、決定木(DT)、サポートベクターマシン(SVM)、k近傍(kNN)、多層パーセプトロン(MLP)、ランダムフォレスト(RF)など、さまざまな機械学習手法を適用し、評価します。
その結果、機械学習モデルが約97\%の分類精度を達成できることが示された。
関連論文リスト
- PMT: Progressive Mean Teacher via Exploring Temporal Consistency for Semi-Supervised Medical Image Segmentation [51.509573838103854]
医用画像セグメンテーションのための半教師付き学習フレームワークであるプログレッシブ平均教師(PMT)を提案する。
我々のPMTは、トレーニングプロセスにおいて、堅牢で多様な特徴を学習することで、高忠実な擬似ラベルを生成する。
CT と MRI の異なる2つのデータセットに対する実験結果から,本手法が最先端の医用画像分割法より優れていることが示された。
論文 参考訳(メタデータ) (2024-09-08T15:02:25Z) - A Masked Semi-Supervised Learning Approach for Otago Micro Labels Recognition [1.0663633381202409]
オタゴ運動プログラムは高齢者にとって重要なリハビリ活動であり、力とバランスを高め、転倒を防ぐことを目的としている。
既存のヒューマンアクティビティ認識システムはマクロアクティビティの持続時間に重点を置いている。
本研究は,OEPのマイクロアクティビティ認識において,このギャップを埋めることを目的とした,新しい半教師付き機械学習手法を提案する。
論文 参考訳(メタデータ) (2024-05-21T12:00:01Z) - Comparison of gait phase detection using traditional machine learning
and deep learning techniques [3.11526333124308]
本研究では,人間歩行のための低レベルEMGデータに基づく機械学習(ML)モデルを提案する。
その結果,従来のMLモデルでは75%,ディープラーニング(DL)モデルでは79%の精度が得られた。
論文 参考訳(メタデータ) (2024-03-07T10:05:09Z) - Efficient Adaptive Human-Object Interaction Detection with
Concept-guided Memory [64.11870454160614]
概念誘導メモリ(ADA-CM)を用いた適応型HOI検出器を提案する。
ADA-CMには2つの操作モードがある。最初のモードでは、トレーニング不要のパラダイムで新しいパラメータを学習することなくチューニングできる。
提案手法は, HICO-DET と V-COCO のデータセットに対して, より少ないトレーニング時間で, 最新技術による競合的な結果を得る。
論文 参考訳(メタデータ) (2023-09-07T13:10:06Z) - Mapping fNIRS to fMRI with Neural Data Augmentation and Machine Learning
Models [0.0]
機能的磁気共鳴イメージング(fMRI)は、最も一般的で広く使われている神経イメージング技術である。
fMRIによる個人差のマーカーへの関心が高まっている。
機械学習モデルとデータ拡張を用いて、人間の認識のfMRIマーカーを予測する。
論文 参考訳(メタデータ) (2022-06-13T21:32:30Z) - Joint-bone Fusion Graph Convolutional Network for Semi-supervised
Skeleton Action Recognition [65.78703941973183]
本稿では,CD-JBF-GCNをエンコーダとし,ポーズ予測ヘッドをデコーダとして使用する新しい相関駆動型ジョイントボーン・フュージョングラフ畳み込みネットワークを提案する。
具体的には、CD-JBF-GCは、関節ストリームと骨ストリームの間の運動伝達を探索することができる。
自己教師型トレーニング段階におけるポーズ予測に基づくオートエンコーダにより、未ラベルデータから動作表現を学習することができる。
論文 参考訳(メタデータ) (2022-02-08T16:03:15Z) - Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and
Supervised Learning Methods in Adversarial Environments [63.942632088208505]
現在の運用環境に固有ののは、敵対的機械学習の実践である。
本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。
我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
論文 参考訳(メタデータ) (2021-05-14T10:05:10Z) - Domain Adaptive Robotic Gesture Recognition with Unsupervised
Kinematic-Visual Data Alignment [60.31418655784291]
本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。
ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。
その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
論文 参考訳(メタデータ) (2021-03-06T09:10:03Z) - Deep learning-based computer vision to recognize and classify suturing
gestures in robot-assisted surgery [9.248851083946048]
我々は深層学習に基づくコンピュータビジョン(CV)を訓練し、針駆動の試みのための縫合ジェスチャーの識別と分類を自動化する。
以上の結果から,縫合動作を識別できるだけでなく,縫合動作の異なる分類を区別できる特徴をCVが認識できることが示唆された。
論文 参考訳(メタデータ) (2020-08-26T21:45:04Z) - Symbiotic Adversarial Learning for Attribute-based Person Search [86.7506832053208]
本稿では,共生学習の枠組みとして,共生学習の基盤に2つのGANを配置する。
具体的には、2種類の生成的敵ネットワークがトレーニングプロセスを通して協調的に学習する。
論文 参考訳(メタデータ) (2020-07-19T07:24:45Z) - Combined Model for Partially-Observable and Non-Observable Task
Switching: Solving Hierarchical Reinforcement Learning Problems Statically
and Dynamically with Transfer Learning [2.741266294612776]
人間と動物は、作業記憶(WM)と呼ばれるこの焦点を達成するために、PFC(Pre-Frontal Cortex)とBG(Basal Ganglia)の相互作用に依存している。
ツールキットの最近の適応では、抽象タスク表現(ATR)を用いて非可観測(NO)タスクを解くか、過去の入力機能の記憶によって部分可観測(PO)タスクを解くが、両方ではない。
本稿では,ATRと入力ストレージの両方のアプローチを静的あるいは動的に組み合わせた新しいモデルPONOWMtkを提案する。
論文 参考訳(メタデータ) (2020-04-13T21:44:54Z)
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。