論文の概要: Remote Pathological Gait Classification System

• arxiv url: http://arxiv.org/abs/2105.01634v1
• Date: Tue, 4 May 2021 17:21:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-05 12:55:40.050210
• Title: Remote Pathological Gait Classification System
• Title（参考訳）: 遠隔病的歩行分類システム
• Authors: Pedro Albuquerque, Joao Machado, Tanmay Tulsidas Verlekar, Luis Ducla Soares, Paulo Lobato Correia
• Abstract要約: 歩行分析は障害を検出し、病気を診断し、患者の回復を評価するのに役立つ。 最も広く公開されている病理歩行データセットは,4つの歩行病理をシミュレートした10の被験者のみを含む。 本論文は,4つの歩行病理を模擬した21の被験者から得られたGAIT-IT(GAIT-IT)と呼ばれる新しいデータセットについて述べる。
• 参考スコア（独自算出の注目度）: 3.8098589140053862
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Several pathologies can alter the way people walk, i.e. their gait. Gait analysis can therefore be used to detect impairments and help diagnose illnesses and assess patient recovery. Using vision-based systems, diagnoses could be done at home or in a clinic, with the needed computation being done remotely. State-of-the-art vision-based gait analysis systems use deep learning, requiring large datasets for training. However, to our best knowledge, the biggest publicly available pathological gait dataset contains only 10 subjects, simulating 4 gait pathologies. This paper presents a new dataset called GAIT-IT, captured from 21 subjects simulating 4 gait pathologies, with 2 severity levels, besides normal gait, being considerably larger than publicly available gait pathology datasets, allowing to train a deep learning model for gait pathology classification. Moreover, it was recorded in a professional studio, making it possible to obtain nearly perfect silhouettes, free of segmentation errors. Recognizing the importance of remote healthcare, this paper proposes a prototype of a web application allowing to upload a walking person's video, possibly acquired using a smartphone camera, and execute a web service that classifies the person's gait as normal or across different pathologies. The web application has a user friendly interface and could be used by healthcare professionals or other end users. An automatic gait analysis system is also developed and integrated with the web application for pathology classification. Compared to state-of-the-art solutions, it achieves a drastic reduction in the number of model parameters, which means significantly lower memory requirements, as well as lower training and execution times. Classification accuracy is on par with the state-of-the-art.
• Abstract（参考訳）: いくつかの病理は、人々の歩き方を変えることができる。 彼らの歩み したがって、歩行分析は障害を検出し、病気を診断し、患者の回復を評価するのに役立つ。 視覚ベースのシステムを使用すると、診断は自宅や診療所で行われ、必要な計算は遠隔で行える。 最先端のビジョンベースの歩行分析システムはディープラーニングを使用し、トレーニングに大規模なデータセットを必要とする。 しかし,我々の知る限り,最も広く公開されている病理歩行データセットには,4つの歩行病理をシミュレートした10項目しか含まれていない。 本稿では,4つの歩行病理をシミュレートした21の被験者から得られたGAIT-ITと呼ばれる新しいデータセットについて述べる。 さらに、プロのスタジオで録音され、セグメンテーションエラーのないほぼ完璧なシルエットを入手することができた。 本稿では, 遠隔医療の重要性を認識し, 歩行者の動画をアップロードするウェブアプリケーションのプロトタイプを提案し, スマートフォンのカメラを用いて取得し, 歩行を正常に, または異なる病理にまたがって分類する web サービスを実行する。 webアプリケーションはユーザフレンドリーなインターフェースを備えており、医療専門家や他のエンドユーザが利用できる。 また, 自動歩行解析システムを開発し, 病理分類のためのWebアプリケーションと統合した。 最先端のソリューションと比較して、モデルパラメータの数が大幅に削減され、メモリ要件が大幅に削減され、トレーニングや実行時間が短縮される。 分類精度は最先端技術と同程度である。

関連論文リスト

• GPC: Generative and General Pathology Image Classifier [2.6954348706500766]
  本稿では,GPCと呼ばれるタスク依存型画像分類器を提案する。 GPCは、病理画像を高次元の特徴空間にマッピングし、テキストとして関連するクラスラベルを生成する。 我々は,4つの病理画像分類タスクに対して,GPCを6つのデータセットで評価した。
  論文  参考訳（メタデータ） (2024-07-12T06:54:31Z)
• CAMP: Continuous and Adaptive Learning Model in Pathology [4.0422818386776855]
  病理画像分類のためのCAMPにおける連続的適応学習モデルを提案する。 CAMPは生成的、効率的、適応的な分類モデルであり、任意の分類タスクに継続的に適応することができる。 我々はCAMPを17の分類タスクに対して,1,171,526のパッチと11,811の病理スライドを含む22のデータセットで評価した。
  論文  参考訳（メタデータ） (2024-07-12T06:45:37Z)
• Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
  本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。 具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
  論文  参考訳（メタデータ） (2023-10-04T21:57:09Z)
• Towards a Visual-Language Foundation Model for Computational Pathology [5.72536252929528]
  病理組織学(CONCH)におけるコントラスト学習について紹介する。 CONCHは、様々な組織像、生医学的テキスト、タスクに依存しない事前トレーニングのソースを用いて開発された視覚言語基盤モデルである。 13種類の多様なベンチマークで評価され, 画像分類, セグメンテーション, キャプション, テキスト・ツー・イメージ検索, 画像・テキスト検索における最先端のパフォーマンスを達成している。
  論文  参考訳（メタデータ） (2023-07-24T16:13:43Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
  自律運転システムには2つの主要なアルゴリズムアプローチがある。 ディープラーニングだけでは、多くの分野で最先端の結果が得られています。 しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
  論文  参考訳（メタデータ） (2022-03-28T20:29:50Z)
• Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
  バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。 効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
  論文  参考訳（メタデータ） (2020-10-07T08:36:44Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• A Data-Efficient Deep Learning Based Smartphone Application For Detection Of Pulmonary Diseases Using Chest X-rays [0.0]
  アプリはモバイルカメラから撮影したChest X-Rayイメージを入力し、クラウドプラットフォームのAIアーキテクチャにリレーする。 スマートフォンの医師はこのアプリケーションを利用すれば、新型コロナウイルス(COVID-19)の診断に要する時間を大幅に節約できる。
  論文  参考訳（メタデータ） (2020-08-19T04:28:17Z)
• Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
  政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。 提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
  論文  参考訳（メタデータ） (2020-04-29T15:02:41Z)
• Optimal Transfer Learning Model for Binary Classification of Funduscopic Images through Simple Heuristics [0.8370915747360484]
  深層学習ニューラルネットワークを用いて、眼内画像の視覚的表現を診断する。 本稿では, 病原体が健康であるか, 病原体なのかを, 低コストで推定する, 病原体分類の統一モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-11T03:49:14Z)

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。