論文の概要: Tele-EvalNet: A Low-cost, Teleconsultation System for Home based Rehabilitation of Stroke Survivors using Multiscale CNN-LSTM Architecture

• arxiv url: http://arxiv.org/abs/2112.03168v1
• Date: Mon, 6 Dec 2021 16:58:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-07 16:44:10.326100
• Title: Tele-EvalNet: A Low-cost, Teleconsultation System for Home based Rehabilitation of Stroke Survivors using Multiscale CNN-LSTM Architecture
• Title（参考訳）: Tele-EvalNet:マルチスケールCNN-LSTMアーキテクチャを用いた家庭型ストローク生存者リハビリテーションのための低コストテレコンサルテーションシステム
• Authors: Aditya Kanade and Mansi Sharma and M. Manivannan
• Abstract要約: 本稿では,ライブフィードバックモデルと全体的なパフォーマンス評価モデルという,2つのコンポーネントからなる新しいシステムであるTele-EvalNetを提案する。 ライブフィードバックモデルは、カラーマーカーを使用してハイライトされた指示を簡単に理解し、エクササイズ正しさに関するフィードバックを示す。 総合的なパフォーマンス評価モデルでは,臨床医の成績に応じて,関節データのスコアへのマッピングを学習する。
• 参考スコア（独自算出の注目度）: 7.971065005161566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Technology has an important role to play in the field of Rehabilitation, improving patient outcomes and reducing healthcare costs. However, existing approaches lack clinical validation, robustness and ease of use. We propose Tele-EvalNet, a novel system consisting of two components: a live feedback model and an overall performance evaluation model. The live feedback model demonstrates feedback on exercise correctness with easy to understand instructions highlighted using color markers. The overall performance evaluation model learns a mapping of joint data to scores, given to the performance by clinicians. The model does this by extracting clinically approved features from joint data. Further, these features are encoded to a lower dimensional space with an autoencoder. A novel multi-scale CNN-LSTM network is proposed to learn a mapping of performance data to the scores by leveraging features extracted at multiple scales. The proposed system shows a high degree of improvement in score predictions and outperforms the state-of-the-art rehabilitation models.
• Abstract（参考訳）: テクノロジーはリハビリテーション、患者の成果の改善、医療費の削減といった分野で重要な役割を担っている。 しかし、既存のアプローチは臨床検証、堅牢性、使いやすさに欠ける。 本稿では,ライブフィードバックモデルと全体的なパフォーマンス評価モデルという,2つのコンポーネントからなる新しいシステムであるTele-EvalNetを提案する。 ライブフィードバックモデルは、カラーマーカーを使用してハイライトされた指示を簡単に理解し、運動の正確性に関するフィードバックを示す。 総合的パフォーマンス評価モデルは, 臨床医によるパフォーマンスに対して与えられたスコアに対する共同データのマッピングを学習する。 このモデルは、関節データから臨床に承認された特徴を抽出することでこれを行う。 さらに、これらの特徴をオートエンコーダで低次元空間に符号化する。 マルチスケールCNN-LSTMネットワークは,複数のスケールで抽出した特徴を活用して,パフォーマンスデータのスコアへのマッピングを学習するために提案される。 提案システムでは, スコア予測の精度が向上し, 最新リハビリテーションモデルよりも優れていた。

関連論文リスト

• A lightweight residual network for unsupervised deformable image registration [2.7309692684728617]
  本稿では, 並列拡張畳み込みブロックを組み込んだ残差U-Netを提案する。 本手法は患者間およびアトラスに基づくデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2024-06-14T07:20:49Z)
• D-STGCNT: A Dense Spatio-Temporal Graph Conv-GRU Network based on transformer for assessment of patient physical rehabilitation [0.3626013617212666]
  本稿では,リハビリテーション演習を評価するための新しいグラフベースモデルを提案する。 デンス接続とGRU機構は、大きな3Dスケルトン入力を迅速に処理するために使用される。 KIMOREおよびUI-PRMDデータセットに対する提案手法の評価は,その可能性を強調した。
  論文  参考訳（メタデータ） (2023-12-21T00:38:31Z)
• Visual Prompting Upgrades Neural Network Sparsification: A Data-Model Perspective [64.04617968947697]
  より優れた重量空間を実現するために、新しいデータモデル共設計視点を導入する。 具体的には、提案したVPNフレームワークでニューラルネットワークのスパーシフィケーションをアップグレードするために、カスタマイズされたVisual Promptが実装されている。
  論文  参考訳（メタデータ） (2023-12-03T13:50:24Z)
• 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)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• A Light-weight CNN Model for Efficient Parkinson's Disease Diagnostics [1.382077805849933]
  提案モデルは,時系列信号の特性を適応させるために,畳み込みニューラルネットワーク(CNN)から短期記憶(LSTM)へと変換される。 実験結果から,提案モデルでは,パラメータや操作がはるかに少ない複数の評価指標に対して,高品質な診断結果が得られることがわかった。
  論文  参考訳（メタデータ） (2023-02-02T09:49:07Z)
• CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
  知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。 本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。 本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T15:22:01Z)
• CNN-LSTM Based Multimodal MRI and Clinical Data Fusion for Predicting Functional Outcome in Stroke Patients [1.5250925845050138]
  脳卒中患者の管理において臨床結果予測は重要な役割を担っている。 機械学習の観点から見ると、大きな課題のひとつは異種データを扱うことだ。 本稿では,長い短期記憶(CNN-LSTM)に基づくアンサンブルモデルを提案する。
  論文  参考訳（メタデータ） (2022-05-11T14:46:01Z)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)
• Accurate and Efficient Intracranial Hemorrhage Detection and Subtype Classification in 3D CT Scans with Convolutional and Long Short-Term Memory Neural Networks [20.4701676109641]
  RSNA頭蓋内出血検出のためのシステムについて紹介する。 提案システムは,畳み込みニューラルネットワーク(CNN)を用いた軽量深層ニューラルネットワークアーキテクチャに基づいている。 最終テストセットの重み付き平均ログ損失は0.04989で、合計1345名から上位30名(2%)にランクインした。
  論文  参考訳（メタデータ） (2020-08-01T17:28:25Z)
• Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
  挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。 その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
  論文  参考訳（メタデータ） (2020-05-03T02:36:00Z)

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。