論文の概要: Measuring hand use in the home after cervical spinal cord injury using egocentric video

• arxiv url: http://arxiv.org/abs/2203.16996v1
• Date: Thu, 31 Mar 2022 12:43:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-01 16:12:55.903760
• Title: Measuring hand use in the home after cervical spinal cord injury using egocentric video
• Title（参考訳）: エゴセントリックビデオを用いた頚髄損傷後の家庭における手の使用状況計測
• Authors: Andrea Bandini, Mehdy Dousty, Sander L. Hitzig, B. Catharine Craven, Sukhvinder Kalsi-Ryan, Jos\'e Zariffa
• Abstract要約: エゴセントリックビデオは、コミュニティで四肢麻痺を患っている人の手機能モニタリングの潜在的な解決策として登場した。 四肢麻痺児の在宅における手指使用量を測定するウェアラブル・ビジョン・ベース・システムの開発と評価を行った。
• 参考スコア（独自算出の注目度）: 2.1064122195521926
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Background: Egocentric video has recently emerged as a potential solution for monitoring hand function in individuals living with tetraplegia in the community, especially for its ability to detect functional use in the home environment. Objective: To develop and validate a wearable vision-based system for measuring hand use in the home among individuals living with tetraplegia. Methods: Several deep learning algorithms for detecting functional hand-object interactions were developed and compared. The most accurate algorithm was used to extract measures of hand function from 65 hours of unscripted video recorded at home by 20 participants with tetraplegia. These measures were: the percentage of interaction time over total recording time (Perc); the average duration of individual interactions (Dur); the number of interactions per hour (Num). To demonstrate the clinical validity of the technology, egocentric measures were correlated with validated clinical assessments of hand function and independence (Graded Redefined Assessment of Strength, Sensibility and Prehension - GRASSP, Upper Extremity Motor Score - UEMS, and Spinal Cord Independent Measure - SCIM). Results: Hand-object interactions were automatically detected with a median F1-score of 0.80 (0.67-0.87). Our results demonstrated that higher UEMS and better prehension were related to greater time spent interacting, whereas higher SCIM and better hand sensation resulted in a higher number of interactions performed during the egocentric video recordings. Conclusions: For the first time, measures of hand function automatically estimated in an unconstrained environment in individuals with tetraplegia have been validated against internationally accepted measures of hand function. Future work will necessitate a formal evaluation of the reliability and responsiveness of the egocentric-based performance measures for hand use.
• Abstract（参考訳）: 背景:エゴセントリックビデオは、特に家庭環境における機能的使用を検出する能力のために、コミュニティで四肢麻痺を患っている人の手機能を監視するための潜在的ソリューションとして最近登場した。 目的:四肢麻痺児の在宅における手指使用量を測定するウェアラブル視覚ベースシステムの開発と評価を行う。 方法: 機能的手-物体相互作用を検出する深層学習アルゴリズムを開発し, 比較した。 最も正確なアルゴリズムは、テトラプレジア患者20名による自宅で記録された65時間の未記録ビデオから手機能の計測に用いられた。 これらの測定は、全記録時間(Perc)における相互作用時間の割合、個々の相互作用の平均時間(Dur)、時間当たりの相互作用数(Num)である。 この技術の臨床的妥当性を示すために, 自己中心性指標は, 手の機能, 独立性(体力, 感性, 先入観の段階的再定義 - 草むら, 上肢運動スコア - uems, 脊髄独立尺度 - scim) の検証された臨床評価と相関した。 結果:F1スコア0.80(0.67-0.87)で手物体の相互作用を自動的に検出した。 以上の結果より, UEMSの上昇と理解度の向上は, 対話時間の増加と相関し, SCIMの上昇と手触覚の向上は, エゴセントリックビデオ撮影における対話回数の増加につながった。 結論: 四肢麻痺者の非拘束環境における手機能の計測は, 初めて国際的に受け入れられた手機能の計測に対して検証された。 今後の作業では,手作業における自己中心型パフォーマンス尺度の信頼性と応答性に関する形式的評価が必要となる。

関連論文リスト

• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• A Personalized Video-Based Hand Taxonomy: Application for Individuals with Spinal Cord Injury [14.062874246796687]
  脊髄損傷(SCI)は手機能に障害があり、独立性を低下させる。 本研究の目的は,セマンティッククラスタリングを用いて,エゴセントリックビデオにおける支配的な手の動きを自動的に識別することである。 姿勢と外観データを統合した深層学習モデルを用いて、パーソナライズされた手分類を作成した。
  論文  参考訳（メタデータ） (2024-03-26T20:30:55Z)
• Recognizing Hand Use and Hand Role at Home After Stroke from Egocentric Video [0.0]
  エゴセントリックなビデオは、コンテキスト内で手と物体のインタラクションをキャプチャし、より影響のある手の使用方法を示す。 脳卒中後の自宅で録画された自我中心のビデオから、人工知能ベースのコンピュータビジョンを用いて、手の使用と手の役割を分類する。
  論文  参考訳（メタデータ） (2022-07-18T20:15:29Z)
• Reducing a complex two-sided smartwatch examination for Parkinson's Disease to an efficient one-sided examination preserving machine learning accuracy [63.20765930558542]
  パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。 本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
  論文  参考訳（メタデータ） (2022-05-11T09:12:59Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• 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)
• Analysing the Correlation of Geriatric Assessment Scores and Activity in Smart Homes [1.0992151305603266]
  本研究では、周囲運動センサのデータと、確立された移動度評価の相関性を示す。 実世界のデータセットの評価は、標準化された老年医学的身体的評価のスコアと中程度から強い相関を示す。
  論文  参考訳（メタデータ） (2021-03-10T10:04:47Z)
• Physical Activity Recognition Based on a Parallel Approach for an Ensemble of Machine Learning and Deep Learning Classifiers [0.0]
  モノのインターネット(IOT)に組み込まれたウェアラブルセンサーデバイスによる人間の活動認識(HAR)は、リモートヘルス監視と緊急通知に重要な役割を果たします。 本研究では、医療に適用可能な意思決定精度と実行速度の人間活動認識手法について検討する。
  論文  参考訳（メタデータ） (2021-03-02T16:50:52Z)
• 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)

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。