論文の概要: Sleep Posture One-Shot Learning Framework Using Kinematic Data
Augmentation: In-Silico and In-Vivo Case Studies
- arxiv url: http://arxiv.org/abs/2205.10778v1
- Date: Sun, 22 May 2022 09:06:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-05-30 01:55:34.276910
- Title: Sleep Posture One-Shot Learning Framework Using Kinematic Data
Augmentation: In-Silico and In-Vivo Case Studies
- Title（参考訳）: 運動データ拡張を用いた睡眠姿勢ワンショット学習フレームワーク--シリコとインヴィボのケーススタディ
- Authors: Omar Elnaggar, Frans Coenen, Andrew Hopkinson, Lyndon Mason, Paolo
Paoletti
- Abstract要約: 睡眠姿勢は、夜行性クランプやより深刻な筋骨格障害などのいくつかの健康状態と関連している。
本稿では,最小限の関節角度測定に基づく睡眠姿勢分類のための新しい枠組みを提案する。
提案されたフレームワークは、合成データで100%、実データで92.7%の精度を約束し、文献で利用可能なアートデータハングリーアルゴリズムの状況に匹敵する精度を達成した。
- 参考スコア（独自算出の注目度）: 6.123523234813773
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sleep posture is linked to several health conditions such as nocturnal cramps
and more serious musculoskeletal issues. However, in-clinic sleep assessments
are often limited to vital signs (e.g. brain waves). Wearable sensors with
embedded inertial measurement units have been used for sleep posture
classification; nonetheless, previous works consider only few (commonly four)
postures, which are inadequate for advanced clinical assessments. Moreover,
posture learning algorithms typically require longitudinal data collection to
function reliably, and often operate on raw inertial sensor readings unfamiliar
to clinicians. This paper proposes a new framework for sleep posture
classification based on a minimal set of joint angle measurements. The proposed
framework is validated on a rich set of twelve postures in two experimental
pipelines: computer animation to obtain synthetic postural data, and human
participant pilot study using custom-made miniature wearable sensors. Through
fusing raw geo-inertial sensor measurements to compute a filtered estimate of
relative segment orientations across the wrist and ankle joints, the body
posture can be characterised in a way comprehensible to medical experts. The
proposed sleep posture learning framework offers plug-and-play posture
classification by capitalising on a novel kinematic data augmentation method
that requires only one training example per posture. Additionally, a new metric
together with data visualisations are employed to extract meaningful insights
from the postures dataset, demonstrate the added value of the data augmentation
method, and explain the classification performance. The proposed framework
attained promising overall accuracy as high as 100% on synthetic data and 92.7%
on real data, on par with state of the art data-hungry algorithms available in
the literature.
- Abstract（参考訳）: 睡眠姿勢は、夜間クランプやより深刻な筋骨格障害などのいくつかの健康状態と関連している。
しかし、インクリニック睡眠アセスメントはバイタルサイン(例えば脳波)に限定されることが多い。
組み込み慣性測定装置を備えたウェアラブルセンサーは、睡眠姿勢分類に使われてきたが、以前の研究では、高度な臨床評価には不十分な4つの姿勢しか考慮されていない。
さらに、姿勢学習アルゴリズムは通常、縦方向のデータ収集を安定的に必要とし、しばしば臨床医になじみのない生の慣性センサーを読み取る。
本稿では,最小限の関節角度測定に基づく睡眠姿勢分類のための新しい枠組みを提案する。
提案手法は,合成姿勢データを取得するためのコンピュータアニメーションと,カスタムメイドのミニチュアウェアラブルセンサを用いた人間参加パイロット実験の2つの実験パイプラインにおいて,12種類の姿勢の豊富なセットで検証される。
実地慣性センサーを用いて手首と足首関節の相対的なセグメント方向のフィルタリング推定を計算することにより、身体姿勢を医療専門家にとって理解しやすい方法で特徴づけることができる。
提案する睡眠姿勢学習フレームワークは、姿勢ごとに1つのトレーニングサンプルしか必要としない新しい運動データ拡張手法を活用し、プラグアンドプレイ姿勢分類を提供する。
さらに、姿勢データセットから有意義な洞察を抽出し、データ拡張法の付加価値を実証し、分類性能を説明するために、データ可視化と共に新しいメトリクスを用いる。
提案手法は,合成データでは100%,実データでは92.7%と,文献で利用可能な技術データ格納アルゴリズムに匹敵する総合的精度を達成した。
関連論文リスト
- Shape Matters: Detecting Vertebral Fractures Using Differentiable
Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。
骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。
本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文 参考訳（メタデータ） (2023-12-08T18:11:22Z) - Data-Driven Goal Recognition in Transhumeral Prostheses Using Process
Mining Techniques [7.95507524742396]
アクティブな義肢は、リアルに評価された連続的なセンサーデータを使用して、患者の標的のポーズや目標を認識し、人工肢を積極的に移動させる。
これまでの研究では、静止ポーズで収集されたデータが、時間ステップを考慮せずに、目標の識別にどの程度役立つかが研究されてきた。
我々のアプローチは、データを離散的なイベントに変換し、既存のプロセスマイニングベースのゴール認識システムを訓練することである。
論文 参考訳（メタデータ） (2023-09-15T02:03:59Z) - TractCloud: Registration-free tractography parcellation with a novel
local-global streamline point cloud representation [63.842881844791094]
現在のトラクトグラフィーのパーセレーション法は登録に大きく依存しているが、登録の不正確さはパーセレーションに影響を及ぼす可能性がある。
我々は,個別の主題空間で直接,脳全体のトラクトログラフィ解析を行う,登録不要のフレームワークであるTractCloudを提案する。
論文 参考訳（メタデータ） (2023-07-18T06:35:12Z) - Sleep Activity Recognition and Characterization from Multi-Source
Passively Sensed Data [67.60224656603823]
睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。
本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。
これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
論文 参考訳（メタデータ） (2023-01-17T15:18:45Z) - KIDS: kinematics-based (in)activity detection and segmentation in a
sleep case study [5.707737640557724]
睡眠行動とベッド内の運動は、人々の神経生理学的健康に関する豊富な情報を含んでいる。
本稿では,臨床的に有意な関節キネマティクスに基づく客観的(in)アクティビティ検出とセグメンテーションのためのオンラインベイズ確率的枠組みを提案する。
論文 参考訳（メタデータ） (2023-01-04T16:24:01Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - Federated Cycling (FedCy): Semi-supervised Federated Learning of
Surgical Phases [57.90226879210227]
FedCyは、FLと自己教師付き学習を組み合わせた半教師付き学習(FSSL)手法で、ラベル付きビデオとラベルなしビデオの両方の分散データセットを利用する。
外科的段階の自動認識作業において,最先端のFSSL法よりも顕著な性能向上を示した。
論文 参考訳（メタデータ） (2022-03-14T17:44:53Z) - Identity and Posture Recognition in Smart Beds with Deep Multitask
Learning [8.422257363944295]
被験者とその睡眠姿勢を正確に検出できる堅牢な深層学習モデルを提案する。
喪失機能の組み合わせは、被験者と睡眠姿勢を同時に区別するために使用される。
提案するアルゴリズムは、最終的に臨床およびスマートホーム環境で使用できる。
論文 参考訳（メタデータ） (2021-04-05T21:21:54Z) - ROIAL: Region of Interest Active Learning for Characterizing Exoskeleton
Gait Preference Landscapes [64.87637128500889]
興味あるアクティブラーニング(ROIAL)フレームワークの領域は、関心のある領域を通じて、各ユーザの基盤となるユーティリティ関数を積極的に学習する。
ROIALは、絶対的な数値スコアよりも信頼性の高いフィードバックメカニズムである順序と選好のフィードバックから学習する。
以上の結果から,限られた人為的試行から歩行実用景観を回復できる可能性が示唆された。
論文 参考訳（メタデータ） (2020-11-09T22:45:58Z) - Learning Realistic Patterns from Unrealistic Stimuli: Generalization and
Data Anonymization [0.5091527753265949]
本研究は、匿名化されたデータ合成において、サードパーティがそのようなプライベートデータから恩恵を受けられるような、シンプルかつ非従来的なアプローチについて検討する。
オープンおよび大規模臨床研究の睡眠モニタリングデータを用いて,(1)エンドユーザーが睡眠時無呼吸検出のためにカスタマイズされた分類モデルを作成し,有効活用できるかどうかを評価し,(2)研究参加者の身元を保護した。
論文 参考訳（メタデータ） (2020-09-21T16:31:21Z) - MetaSleepLearner: A Pilot Study on Fast Adaptation of Bio-signals-Based
Sleep Stage Classifier to New Individual Subject Using Meta-Learning [15.451212330924447]
モデル非依存メタラーニング(MAML)に基づく転移学習フレームワークMetaSleepLearnerを提案する。
従来のアプローチと比較すると、MetaSleepLearnerは5.4%から17.7%の改善を達成している。
これは、非伝統的な事前学習手法であるMAMLを調査した最初の研究であり、その結果、睡眠段階分類における人間と機械の協調が可能となった。
論文 参考訳（メタデータ） (2020-04-08T16:31:03Z)
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。