論文の概要: GaitForeMer: Self-Supervised Pre-Training of Transformers via Human Motion Forecasting for Few-Shot Gait Impairment Severity Estimation

• arxiv url: http://arxiv.org/abs/2207.00106v1
• Date: Thu, 30 Jun 2022 21:29:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-05 04:40:02.749488
• Title: GaitForeMer: Self-Supervised Pre-Training of Transformers via Human Motion Forecasting for Few-Shot Gait Impairment Severity Estimation
• Title（参考訳）: GaitForeMer:Few-Shot歩行障害度推定のための人動予測によるトランスフォーマーの自己監督事前訓練
• Authors: Mark Endo, Kathleen L. Poston, Edith V. Sullivan, Li Fei-Fei, Kilian M. Pohl, Ehsan Adeli
• Abstract要約: 本稿では、GaitForeMer、Gait Forecastingおよび障害推定TransforMerを紹介する。 GaitForeMerは、歩行運動を予測するために、まず公開データセット上で事前訓練され、その後、歩行障害の重症度を予測するために臨床データに適用される。 F1スコアは0.76、精度は0.79、リコールは0.75である。
• 参考スコア（独自算出の注目度）: 27.081767446317095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Parkinson's disease (PD) is a neurological disorder that has a variety of observable motor-related symptoms such as slow movement, tremor, muscular rigidity, and impaired posture. PD is typically diagnosed by evaluating the severity of motor impairments according to scoring systems such as the Movement Disorder Society Unified Parkinson's Disease Rating Scale (MDS-UPDRS). Automated severity prediction using video recordings of individuals provides a promising route for non-intrusive monitoring of motor impairments. However, the limited size of PD gait data hinders model ability and clinical potential. Because of this clinical data scarcity and inspired by the recent advances in self-supervised large-scale language models like GPT-3, we use human motion forecasting as an effective self-supervised pre-training task for the estimation of motor impairment severity. We introduce GaitForeMer, Gait Forecasting and impairment estimation transforMer, which is first pre-trained on public datasets to forecast gait movements and then applied to clinical data to predict MDS-UPDRS gait impairment severity. Our method outperforms previous approaches that rely solely on clinical data by a large margin, achieving an F1 score of 0.76, precision of 0.79, and recall of 0.75. Using GaitForeMer, we show how public human movement data repositories can assist clinical use cases through learning universal motion representations. The code is available at https://github.com/markendo/GaitForeMer .
• Abstract（参考訳）: パーキンソン病(英: Parkinson's disease、PD)は、運動の遅さ、震え、筋肉の硬さ、姿勢障害など、様々な運動関連症状を持つ神経疾患である。 PDは通常、運動障害学会統一パーキンソン病評価尺度(MDS-UPDRS)などのスコアシステムに基づいて運動障害の重症度を評価することで診断される。 個人のビデオ記録を用いた重症度自動予測は、非侵入的運動障害モニタリングに有望な経路を提供する。 しかし、PD歩行データの限られたサイズは、モデル能力と臨床可能性を妨げる。 この臨床データ不足と、GPT-3のような大規模言語モデルにおける近年の進歩に触発されて、運動障害の重症度を推定するための効果的な自己教師付き事前トレーニングタスクとして、人間の動き予測を用いた。 GaitForeMer, Gait Forecasting, and impairment Estimation TransforMerを導入し, 歩行運動を予測するためにまず公開データセット上で事前訓練を行い, 臨床データに適用し, MDS-UPDRS歩行障害の重症度を予測する。 本手法は, 臨床データのみに依存する従来のアプローチよりも大きなマージンで, f1スコア0.76, 精度0.79, リコール0.75よりも優れている。 そこで,gaitforemerを用いて,公共のヒューマンムーブメントデータリポジトリが,普遍的な運動表現の学習を通じて臨床応用事例をどのように支援できるかを示す。 コードはhttps://github.com/markendo/GaitForeMerで入手できる。

関連論文リスト

• DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
  より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。 The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
  論文  参考訳（メタデータ） (2023-12-02T22:57:25Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Freezing of Gait Prediction From Accelerometer Data Using a Simple 1D-Convolutional Neural Network -- 8th Place Solution for Kaggle's Parkinson's Freezing of Gait Prediction Competition [0.0]
  パーキンソン病(PD)患者における歩行凍結(FOG)は一般的な運動症状である 本研究では,加速度センサデータからFOGイベントを検出するための,単純な1次元畳み込みニューラルネットワークを提案する。 モデルがパーキンソンズ・フリーズ・オブ・ゲイト予測大会で1379チーム中8位にランクインした。
  論文  参考訳（メタデータ） (2023-07-07T09:28:04Z)
• Multimodal Indoor Localisation for Measuring Mobility in Parkinson's Disease using Transformers [2.683727984711853]
  パーキンソン病の10人から収集したデータと、さまざまなセンサーを備えたスマートホームで5日間生活した10人のコントロールを使っています。 屋内でより効果的にローカライズするために、2つのデータモダリティを利用したトランスフォーマーベースのアプローチを提案する。 提案手法は,a) 時間的相関を異なる尺度とレベルで学習し,b) 様々なゲーティング機構を用いて,モダリティ内で関連する特徴を選定し,不必要なモダリティを抑制する。
  論文  参考訳（メタデータ） (2022-05-12T15:05:57Z)
• 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)
• An Activity Recognition Framework for Continuous Monitoring of Non-Steady-State Locomotion of Individuals with Parkinson's Disease [0.9137554315375922]
  ユーザに依存しない, ユーザに依存しないトレーニングパラダイムを用いて, 様々な下/上/上/下/上からの加速度情報およびジャイロスコープ情報の性能を検証した。 LSTMを用いて、主観非依存トレーニングにおける情報のサブセット(例えば足のデータ)でさえ、F1スコア > 0.8 を提供するように見えた。
  論文  参考訳（メタデータ） (2021-10-08T20:35:45Z)
• Patient-independent Schizophrenia Relapse Prediction Using Mobile Sensor based Daily Behavioral Rhythm Changes [8.086775225009996]
  モバイルセンシングデータを用いた機械学習に基づく統合失調症再発予測モデルについて検討した。 このモデルは、この4週間のモバイルセンシングデータを使って、来週の再発を予測している。 その結果,63名の統合失調症患者のデータセットを用いて,F2スコアが0.083であった。
  論文  参考訳（メタデータ） (2021-06-25T21:42:28Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing Parkinson's Disease Motor Severity [39.51722822896373]
  パーキンソン病(英: Parkinson's disease、PD)は、運動機能に影響を及ぼす進行性神経疾患である。 PD障害の身体的重症度は、運動障害学会統一パーキンソン病評価尺度によって定量化することができる。 MDS-UPDRSの歩行スコアに基づいて、個人が撮影する非侵襲的な映像を観察し、3次元の身体骨格を抽出し、時間を通して追跡し、運動を分類するコンピュータビジョンベースモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-17T11:49:30Z)
• 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。