論文の概要: Gait Characterization in Duchenne Muscular Dystrophy (DMD) Using a
Single-Sensor Accelerometer: Classical Machine Learning and Deep Learning
Approaches
- arxiv url: http://arxiv.org/abs/2105.06295v1
- Date: Wed, 12 May 2021 07:06:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-14 13:46:41.658596
- Title: Gait Characterization in Duchenne Muscular Dystrophy (DMD) Using a
Single-Sensor Accelerometer: Classical Machine Learning and Deep Learning
Approaches
- Title（参考訳）: 単一センサ加速度計を用いたデュシェンヌ筋ジストロフィー(DMD)の歩行特性:古典的機械学習とディープラーニングアプローチ
- Authors: Albara Ah Ramli, Huanle Zhang, Jiahui Hou, Rex Liu, Xin Liu, Alina
Nicorici, Daniel Aranki, Corey Owens, Poonam Prasad, Craig McDonald, Erik
Henricson
- Abstract要約: 腰輪式iPhone加速度計を用いて, 縦, 縦, 後部加速度を測定した。
時間空間的臨床歩行特徴(CF)を抽出し,複数の人工知能(AI)ツールを用いてDMDとTD制御の子どもを区別した。
消費者レベルのスマートフォンからの加速度計データを用いたAIツールを用いて、幼児から10代前半までのMDD歩行障害を識別できることを実証した。
- 参考スコア（独自算出の注目度）: 4.3839735238787245
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Differences in gait patterns of children with Duchenne muscular dystrophy
(DMD) and typically developing (TD) peers are visible to the eye, but
quantification of those differences outside of the gait laboratory has been
elusive. We measured vertical, mediolateral, and anteroposterior acceleration
using a waist-worn iPhone accelerometer during ambulation across a typical
range of velocities. Six TD and six DMD children from 3-15 years of age
underwent seven walking/running tasks, including five 25m walk/run tests at a
slow walk to running speeds, a 6-minute walk test (6MWT), and a
100-meter-run/walk (100MRW). We extracted temporospatial clinical gait features
(CFs) and applied multiple Artificial Intelligence (AI) tools to differentiate
between DMD and TD control children using extracted features and raw data.
Extracted CFs showed reduced step length and a greater mediolateral component
of total power (TP) consistent with shorter strides and Trendelenberg-like gait
commonly observed in DMD. AI methods using CFs and raw data varied
ineffectiveness at differentiating between DMD and TD controls at different
speeds, with an accuracy of some methods exceeding 91%. We demonstrate that by
using AI tools with accelerometer data from a consumer-level smartphone, we can
identify DMD gait disturbance in toddlers to early teens.
- Abstract（参考訳）: デュシェンヌ型筋ジストロフィー(DMD)と発達期(TD)の小児の歩行パターンの相違は目に見えるが、歩行実験室外におけるこれらの相違の定量化は解明されている。
典型的速度域を横断するアブレーション中, 腰輪式iPhone加速度計を用いて縦, 縦, 後部加速度を測定した。
3～15歳の6人のTD児と6人のDMD児が、スローウォークからランニングスピード6MWT、100m走/ウォーク100MRWを含む7つの歩行/ランニング課題を経験した。
抽出した特徴と生データを用いて,DMDとTDコントロール児を区別するために,CFを抽出し,複数の人工知能(AI)ツールを応用した。
抽出CFは, 歩幅を小さくし, 総力(TP)の縦横方向成分が短く, トレンテレンバーグ型歩行はDMDでよく見られた。
CFと生データを用いたAI手法は,DMD制御とTD制御の異なる速度での差別化において非効率に変化し,精度は91%を超えた。
消費者レベルのスマートフォンからの加速度計データを用いたAIツールを用いて、幼児から10代前半までのMDD歩行障害を識別できることを実証した。
関連論文リスト
- STIED: A deep learning model for the SpatioTemporal detection of focal Interictal Epileptiform Discharges with MEG [0.08030359871216612]
脳磁図(MEG)を用いたてんかん間葉状放電(IED)の非侵襲的検出
深層学習(DL)は臨床MEGの実践に革命をもたらす可能性がある。
我々は,2つの畳み込みニューラルネットワークと時間的(1次元時間軸)および空間的(2次元トポグラフィー)特徴を組み合わせた,強力で教師付きなDLアルゴリズムであるSTIEDを開発した。
論文 参考訳（メタデータ） (2024-10-30T18:41:22Z) - Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - Step length measurement in the wild using FMCW radar [81.9433966586583]
住宅用レーダを用いたステップ長測定システムを提案する。
健常成人35名を対象に, 臨床環境の評価を行い, その妥当性を確認した。
論文 参考訳（メタデータ） (2024-01-03T18:23:30Z) - Gait Event Detection and Travel Distance Using Waist-Worn Accelerometers
across a Range of Speeds: Automated Approach [4.826264675070211]
本稿ではウェアラブル加速度計の新しい校正法を提案する。
ステップを検出し、ストライドの長さを推定し、走行距離を決定することを目的としている。
このアプローチには、臨床観察、機械学習に基づくステップ検出、回帰に基づくストライド長予測の組み合わせが含まれる。
論文 参考訳（メタデータ） (2023-07-10T19:25:45Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z) - Shape Analysis for Pediatric Upper Body Motor Function Assessment [1.7434874566844876]
脊髄筋萎縮症(SMA)やデュシェンヌ筋ジストロフィー(DMD)などの神経筋疾患は進行性筋変性と運動機能の喪失を引き起こす。
従来の上肢運動機能評価は、患者の運動を定量的に測定するものではない。
本稿では,曲線登録と形状解析を用いて,平均基準形状を抽出しながら時間的に軌道を整列する。
論文 参考訳（メタデータ） (2022-09-10T17:02:31Z) - Multimodal Indoor Localisation for Measuring Mobility in Parkinson's
Disease using Transformers [2.683727984711853]
パーキンソン病の10人から収集したデータと、さまざまなセンサーを備えたスマートホームで5日間生活した10人のコントロールを使っています。
屋内でより効果的にローカライズするために、2つのデータモダリティを利用したトランスフォーマーベースのアプローチを提案する。
提案手法は,a) 時間的相関を異なる尺度とレベルで学習し,b) 様々なゲーティング機構を用いて,モダリティ内で関連する特徴を選定し,不必要なモダリティを抑制する。
論文 参考訳（メタデータ） (2022-05-12T15:05:57Z) - An Activity Recognition Framework for Continuous Monitoring of
Non-Steady-State Locomotion of Individuals with Parkinson's Disease [0.9137554315375922]
ユーザに依存しない, ユーザに依存しないトレーニングパラダイムを用いて, 様々な下/上/上/下/上からの加速度情報およびジャイロスコープ情報の性能を検証した。
LSTMを用いて、主観非依存トレーニングにおける情報のサブセット(例えば足のデータ)でさえ、F1スコア > 0.8 を提供するように見えた。
論文 参考訳（メタデータ） (2021-10-08T20:35:45Z) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳（メタデータ） (2021-04-29T00:11:32Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。