論文の概要: PosePipe: Open-Source Human Pose Estimation Pipeline for Clinical Research

• arxiv url: http://arxiv.org/abs/2203.08792v1
• Date: Wed, 16 Mar 2022 17:54:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-17 16:28:12.734657
• Title: PosePipe: Open-Source Human Pose Estimation Pipeline for Clinical Research
• Title（参考訳）: PosePipe:臨床研究のためのオープンソースのヒューマン・ポース推定パイプライン
• Authors: R. James Cotton
• Abstract要約: 我々は臨床現場で取得したデータに対して最先端のアルゴリズムの実行を容易にする人間のポーズ推定パイプラインを開発する。 本研究の目的は,新しいアルゴリズムの訓練ではなく,臨床・翻訳研究における最先端のポーズ推定アルゴリズムの活用を推し進めることである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: There has been significant progress in machine learning algorithms for human pose estimation that may provide immense value in rehabilitation and movement sciences. However, there remain several challenges to routine use of these tools for clinical practice and translational research, including: 1) high technical barrier to entry, 2) rapidly evolving space of algorithms, 3) challenging algorithmic interdependencies, and 4) complex data management requirements between these components. To mitigate these barriers, we developed a human pose estimation pipeline that facilitates running state-of-the-art algorithms on data acquired in clinical context. Our system allows for running different implementations of several classes of algorithms and handles their interdependencies easily. These algorithm classes include subject identification and tracking, 2D keypoint detection, 3D joint location estimation, and estimating the pose of body models. The system uses a database to manage videos, intermediate analyses, and data for computations at each stage. It also provides tools for data visualization, including generating video overlays that also obscure faces to enhance privacy. Our goal in this work is not to train new algorithms, but to advance the use of cutting-edge human pose estimation algorithms for clinical and translation research. We show that this tool facilitates analyzing large numbers of videos of human movement ranging from gait laboratories analyses, to clinic and therapy visits, to people in the community. We also highlight limitations of these algorithms when applied to clinical populations in a rehabilitation setting.
• Abstract（参考訳）: ヒトのポーズ推定のための機械学習アルゴリズムは、リハビリテーションや運動科学において大きな価値をもたらす可能性がある。 しかし、臨床実習や翻訳研究にこれらのツールを日常的に使用するには、次のような課題が残されている。 1) 参入に対する技術的な障壁が高い。 2) 急速に進化するアルゴリズムの空間。 3)アルゴリズムの相互依存に挑戦し 4) これらのコンポーネント間の複雑なデータ管理要件。 これらの障壁を軽減するために,臨床現場で取得したデータに対する最先端アルゴリズムの実行を容易にする人間のポーズ推定パイプラインを開発した。 本システムでは,複数のアルゴリズムの異なる実装を実行でき,相互依存を容易に処理できる。 これらのアルゴリズムクラスには、対象の識別と追跡、2dキーポイント検出、3dジョイント位置推定、ボディモデルのポーズ推定が含まれる。 システムは、データベースを使用してビデオ、中間解析、各ステージでの計算データを管理する。 また、プライバシーを高めるために顔が見えないビデオオーバーレイを生成するなど、データの視覚化のためのツールも提供する。 本研究の目的は,新しいアルゴリズムの訓練ではなく,臨床・翻訳研究における最先端のポーズ推定アルゴリズムの活用を推し進めることである。 このツールは,歩行検査からクリニック,セラピーの訪問,コミュニティの人々に至るまで,人間の運動のビデオの多岐にわたる分析が容易であることを示す。 また,リハビリテーション施設における臨床対象者に対するアルゴリズムの限界も強調した。

関連論文リスト

• A Medical Low-Back Pain Physical Rehabilitation Dataset for Human Body Movement Analysis [0.6990493129893111]
  本稿では,低背痛リハビリテーションを施行した臨床患者の医療データセットについて,4つの課題に対処し,提案する。 データセットには、3D Kinectスケルトンの位置と向き、RGBビデオ、2Dスケルトンデータ、正確性を評価するための医用アノテーション、身体部分とタイムパンのエラー分類とローカライゼーションが含まれている。
  論文  参考訳（メタデータ） (2024-06-29T19:50:06Z)
• Tracking and Mapping in Medical Computer Vision: A Review [23.28261994515735]
  コンピュータビジョンアルゴリズムの能力が向上するにつれて、臨床システムにおけるその応用はより広まりつつある。 これらの応用には、大腸内視鏡や気管支内視鏡などの診断、生検の導出、侵襲的介入の最小化、手術などがある。 これらのアプリケーションの多くは、医療シーンの視覚的特性に依存しており、この環境での実行には設計アルゴリズムが必要である。
  論文  参考訳（メタデータ） (2023-10-17T03:36:28Z)
• Two Approaches to Supervised Image Segmentation [55.616364225463066]
  本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。 ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。 代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
  論文  参考訳（メタデータ） (2023-07-19T16:42:52Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• Deep Learning-Based Human Pose Estimation: A Survey [66.01917727294163]
  人間のポーズ推定は、過去10年間に注目を集めてきた。 ヒューマン・コンピュータ・インタラクション、モーション・アナリティクス、拡張現実、バーチャル・リアリティーなど幅広い用途で利用されている。 最近のディープラーニングベースのソリューションは、人間のポーズ推定において高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-12-24T18:49:06Z)
• Joint Scene and Object Tracking for Cost-Effective Augmented Reality Assisted Patient Positioning in Radiation Therapy [0.6299766708197884]
  放射線治療における患者位置決めのためのAR(Augmented Reality)分野の研究は少ない。 本稿では,患者の位置追跡と患者の位置決定過程を対話的に支援する,効率的で費用対効果の高いアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-05T10:20:46Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)
• AutoML-Zero: Evolving Machine Learning Algorithms From Scratch [76.83052807776276]
  基本数学的操作をビルディングブロックとして使うだけで,完全な機械学習アルゴリズムを自動的に発見できることが示される。 汎用的な検索空間を通じて人間のバイアスを大幅に低減する新しいフレームワークを導入することでこれを実証する。 機械学習アルゴリズムをゼロから発見する上で、これらの予備的な成功は、この分野における有望な新しい方向性を示していると信じている。
  論文  参考訳（メタデータ） (2020-03-06T19:00:04Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。