論文の概要: Gait-based Frailty Assessment using Image Representation of IMU Signals and Deep CNN

• arxiv url: http://arxiv.org/abs/2110.07821v1
• Date: Fri, 15 Oct 2021 02:36:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-18 13:19:24.553216
• Title: Gait-based Frailty Assessment using Image Representation of IMU Signals and Deep CNN
• Title（参考訳）: IMU信号と深部CNNの画像表現を用いた歩行に基づくフラリティ評価
• Authors: Muhammad Zeeshan Arshad, Dawoon Jung, Mina Park, Hyungeun Shin, Jinwook Kim, and Kyung-Ryoul Mun
• Abstract要約: 歩行信号を画像として符号化することにより、深い学習に基づくモデルを歩行型の分類に活用できることが示されている。 MS-CNNの精度は85.1%、SS-CNNの精度は77.3%である。
• 参考スコア（独自算出の注目度）: 0.43277604967207955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Frailty is a common and critical condition in elderly adults, which may lead to further deterioration of health. However, difficulties and complexities exist in traditional frailty assessments based on activity-related questionnaires. These can be overcome by monitoring the effects of frailty on the gait. In this paper, it is shown that by encoding gait signals as images, deep learning-based models can be utilized for the classification of gait type. Two deep learning models (a) SS-CNN, based on single stride input images, and (b) MS-CNN, based on 3 consecutive strides were proposed. It was shown that MS-CNN performs best with an accuracy of 85.1\%, while SS-CNN achieved an accuracy of 77.3\%. This is because MS-CNN can observe more features corresponding to stride-to-stride variations which is one of the key symptoms of frailty. Gait signals were encoded as images using STFT, CWT, and GAF. While the MS-CNN model using GAF images achieved the best overall accuracy and precision, CWT has a slightly better recall. This study demonstrates how image encoded gait data can be used to exploit the full potential of deep learning CNN models for the assessment of frailty.
• Abstract（参考訳）: 虚弱は高齢者に共通して重篤な疾患であり、健康の悪化につながる可能性がある。 しかし,活動関連アンケートに基づく従来のフララティ評価には困難と複雑さが存在する。 これらは、歩行に対する摩擦の影響を監視することで克服できる。 本稿では,歩容信号を画像として符号化することにより,深層学習モデルを用いて歩容型の分類を行うことができることを示す。 2つのディープラーニングモデル (a)ストライド入力画像に基づくss-cnn、及び (b)MS-CNNが提案された。 MS-CNNの精度は85.1\%、SS-CNNの精度は77.3\%である。 これはMS-CNNが、弱さの重要な症状の1つであるストライド-ストライド変動に対応するより多くの特徴を観察できるためである。 歩行信号をSTFT, CWT, GAFを用いて符号化した。 GAF画像を用いたMS-CNNモデルは、全体的な精度と精度が最良であるが、CWTは若干改善されている。 本研究は、画像符号化歩行データを用いて、深層学習CNNモデルの潜在能力をフル活用し、脆弱性を評価する方法を示す。

関連論文リスト

• Decoupled Mixup for Generalized Visual Recognition [71.13734761715472]
  視覚認識のためのCNNモデルを学習するための新しい「デカップリング・ミクスアップ」手法を提案する。 本手法は,各画像を識別領域と雑音発生領域に分離し,これらの領域を均一に組み合わせてCNNモデルを訓練する。 実験結果から,未知のコンテキストからなるデータに対する本手法の高一般化性能を示す。
  論文  参考訳（メタデータ） (2022-10-26T15:21:39Z)
• Classification of EEG Motor Imagery Using Deep Learning for Brain-Computer Interface Systems [79.58173794910631]
  トレーニングされたT1クラス畳み込みニューラルネットワーク(CNN)モデルを使用して、運動画像の識別を成功させる能力を調べる。 理論的には、モデルが正確にトレーニングされた場合、クラスを特定し、それに従ってラベル付けすることが可能になる。 CNNモデルは復元され、より小さなサンプルデータを使用して同じ種類の運動画像データを特定するために使用される。
  論文  参考訳（メタデータ） (2022-05-31T17:09:46Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Corrupted Image Modeling for Self-Supervised Visual Pre-Training [103.99311611776697]
  自己教師型視覚前訓練のためのCIM(Corrupted Image Modeling)を提案する。 CIMは、小さなトレーニング可能なBEiTを備えた補助発電機を使用して、人工マスクトークンを使用する代わりに入力イメージを破損させる。 事前トレーニング後、エンハンサーは下流タスク用の高容量ビジュアルエンコーダとして使用できる。
  論文  参考訳（メタデータ） (2022-02-07T17:59:04Z)
• Stain Normalized Breast Histopathology Image Recognition using Convolutional Neural Networks for Cancer Detection [9.826027427965354]
  近年の進歩により、畳み込みニューラルネットワーク(CNN)アーキテクチャは乳がん検出のためのコンピュータ支援診断(CAD)システムの設計に利用できることが示されている。 乳腺病理像の2値分類のためのCNNモデルについて検討した。 我々は,200倍,400倍に拡大した病理像に対して,トレーニング済みのCNNネットワークを利用可能なBreaKHisデータセットで検証した。
  論文  参考訳（メタデータ） (2022-01-04T03:09:40Z)
• Deep neural networks-based denoising models for CT imaging and their efficacy [0.3058685580689604]
  我々は,低用量CT画像の総合的な視点から,Deep Neural Networks (DNN) の結果の画質を検討することを目的とする。 我々は、DnCNN、U-Net、Red-Net、GANなどの先進的なDNN記述アーキテクチャのライブラリを構築します。 各ネットワークは、PSNRとSSIMの点で最高のパフォーマンスが得られるように、トレーニングされただけでなくモデル化されている。
  論文  参考訳（メタデータ） (2021-11-18T06:18:26Z)
• Image Quality Assessment using Contrastive Learning [50.265638572116984]
  我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。 本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。 以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T21:01:00Z)
• DeepCert: Verification of Contextually Relevant Robustness for Neural Network Image Classifiers [16.893762648621266]
  我々はディープニューラルネットワーク(DNN)画像分類器の頑健さを文脈的に関連する摂動に検証するためのツール支援のDeepCertを紹介する。
  論文  参考訳（メタデータ） (2021-03-02T10:41:16Z)
• Explanation and Use of Uncertainty Quantified by Bayesian Neural Network Classifiers for Breast Histopathology Images [0.0]
  ベイジアンCNNは, 自動正規化と不確実性を定量化することで, 限界を克服できることを示す。 データを低次元空間に投影することで不確実性を説明する。 我々は,ベイジアンCNNが最先端の伝達学習CNN(TL-CNN)よりも優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2020-10-07T23:20:26Z)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)
• Implementation of Deep Neural Networks to Classify EEG Signals using Gramian Angular Summation Field for Epilepsy Diagnosis [1.2807356266718457]
  本稿では、ディープニューラルネットワーク(DNN)を用いたてんかん診断における脳波などの画像時系列データのアプローチについて検討する。 トランスファーラーニングアプローチに基づくてんかん検出には,3つの事前学習したディープニューラルネットワークが有効である。 GASF画像からのてんかん診断のために, バッチ正規化, マックスプール層, デンス層という3つのCNN層を持つカスタム畳み込みニューラルネットワーク(CNN)を提案する。
  論文  参考訳（メタデータ） (2020-03-08T17:30:14Z)

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。