論文の概要: Infant movement classification through pressure distribution analysis -- added value for research and clinical implementation

• arxiv url: http://arxiv.org/abs/2208.00884v1
• Date: Tue, 26 Jul 2022 16:14:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-07 14:14:55.811053
• Title: Infant movement classification through pressure distribution analysis -- added value for research and clinical implementation
• Title（参考訳）: 圧力分布分析による乳幼児の運動分類 -研究と臨床応用への付加価値-
• Authors: Tomas Kulvicius, Dajie Zhang, Karin Nielsen-Saines, Sven B\"olte, Marc Kraft, Christa Einspieler, Luise Poustka, Florentin W\"org\"otter, Peter B Marschik
• Abstract要約: センサが1024個の32x32格子マットの圧力データを用いて動きを符号化するアルゴリズムを開発した。 乳児の運動を分析するためのビデオベースおよび慣性運動センサベースのアプローチと比較して, 圧力感知アプローチの長所と短所を比較検討した。
• 参考スコア（独自算出の注目度）: 2.18942830965993
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, numerous automated approaches complementing the human Prechtl's general movements assessment (GMA) were developed. Most approaches utilised RGB or RGB-D cameras to obtain motion data, while a few employed accelerometers or inertial measurement units. In this paper, within a prospective longitudinal infant cohort study applying a multimodal approach for movement tracking and analyses, we examined for the first time the performance of pressure sensors for classifying an infant general movements pattern, the fidgety movements. We developed an algorithm to encode movements with pressure data from a 32x32 grid mat with 1024 sensors. Multiple neural network architectures were investigated to distinguish presence vs. absence of the fidgety movements, including the feed-forward networks (FFNs) with manually defined statistical features and the convolutional neural networks (CNNs) with learned features. The CNN with multiple convolutional layers and learned features outperformed the FFN with manually defined statistical features, with classification accuracy of $81.4\%$ and $75.6\%$, respectively. We compared the pros and cons of the pressure sensing approach to the video-based and inertial motion senor-based approaches for analysing infant movements. The non-intrusive, extremely easy-to-use pressure sensing approach has great potential for efficient large-scaled movement data acquisition across cites and for application in busy daily clinical routines for evaluating infant neuromotor functions. The pressure sensors can be combined with other sensor modalities to enhance infant movement analyses in research and practice, as proposed in our multimodal sensor fusion model.
• Abstract（参考訳）: 近年,ヒトPrechtlの一般運動評価(GMA)を補完する多数の自動アプローチが開発されている。 ほとんどのアプローチではrgbまたはrgb-dカメラを使用してモーションデータを取得するが、一部のものは加速度計や慣性測定ユニットを使用している。 本稿では,運動追跡と解析に多モードアプローチを適用した先進的長手児コホート研究において,乳幼児の全身運動パターンを分類するための圧力センサの性能,フィジッシー運動を初めて検討した。 1024センサの32x32グリッドマットから圧力データを用いて動きをエンコードするアルゴリズムを開発した。 複数のニューラルネットワークアーキテクチャは、手動で定義された統計的特徴を持つフィードフォワードネットワーク(FFN)や学習した特徴を持つ畳み込みニューラルネットワーク(CNN)を含む、フィジットの動きの有無を区別するために調査された。 複数の畳み込み層と学習した特徴を持つCNNは、FFNをそれぞれ81.4\%$と75.6\%$の分類精度で、手動で定義された統計特性で上回った。 乳幼児の運動分析のためのビデオベースおよび慣性運動センノールアプローチと,圧力センシングアプローチの長所と短所を比較した。 非侵襲的で、非常に使い易い圧力センシングアプローチは、引用物全体にわたる効率的な大規模運動データ取得や、乳幼児神経運動機能評価のための日常的な日常臨床ルーチンへの応用に非常に有益である。 マルチモーダルセンサ融合モデルで提案されているように, 圧力センサと他のセンサモダリティを組み合わせることで, 乳幼児の運動解析を促進できる。

関連論文リスト

• Deep learning empowered sensor fusion boosts infant movement classification [2.5114056348393197]
  FM(Fidgety Movement)評価のためのセンサ融合手法を提案する。 様々な組み合わせと2つのセンサ融合法を用いて、マルチセンサシステムが単一モードアセスメントよりも優れた性能を発揮するかどうかを検証した。 三感融合(94.5%の分類精度)の性能は、評価されたどの単一モダリティよりも著しく高かった。
  論文  参考訳（メタデータ） (2024-06-13T11:38:58Z)
• Integrative Deep Learning Framework for Parkinson's Disease Early Detection using Gait Cycle Data Measured by Wearable Sensors: A CNN-GRU-GNN Approach [0.3222802562733786]
  対象のバイナリ分類に適した,先駆的な深層学習アーキテクチャを提案する。 我々のモデルは、1D畳み込みニューラルネットワーク(CNN)、GRU(Gated Recurrent Units)、GNN(Graph Neural Network)のパワーを利用する。 提案モデルでは, 99.51%, 99.57%, 99.71%, 99.64%のスコアが得られた。
  論文  参考訳（メタデータ） (2024-04-09T15:19:13Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• 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)
• Neuroevolutionary algorithms driven by neuron coverage metrics for semi-supervised classification [60.60571130467197]
  一部の機械学習アプリケーションでは、ラベル付けされていないインスタンスが豊富であるのに対して、教師付き分類のためのラベル付きインスタンスの可用性は制限されている。 本稿では、ニューラルネットワークアーキテクチャ上で計算されたニューラルネットワークカバレッジメトリクスを用いて、未ラベルのインスタンスを利用する神経進化的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-05T23:38:44Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Automated Classification of General Movements in Infants Using a Two-stream Spatiotemporal Fusion Network [5.541644538483947]
  幼児の全身運動(GM)の評価は神経発達障害の早期診断に有用である。 近年、ビデオベースのGM分類が注目されているが、これは無関係な情報の影響を強く受けている。 不要な背景情報を除去する前処理ネットワークからなる自動GM分類法を提案する。
  論文  参考訳（メタデータ） (2022-07-04T05:21:09Z)
• Neuro-BERT: Rethinking Masked Autoencoding for Self-supervised Neurological Pretraining [24.641328814546842]
  本稿では、フーリエ領域におけるマスク付き自己エンコーディングに基づく神経信号の自己教師付き事前学習フレームワークであるNeuro-BERTを提案する。 本稿では、入力信号の一部をランダムにマスキングし、欠落した情報を予測するFourier Inversion Prediction (FIP)と呼ばれる新しい事前学習タスクを提案する。 提案手法をいくつかのベンチマークデータセットで評価することにより,Neuro-BERTは下流神経関連タスクを大きなマージンで改善することを示す。
  論文  参考訳（メタデータ） (2022-04-20T16:48:18Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• Adaptive conversion of real-valued input into spike trains [91.3755431537592]
  本稿では,実数値入力をスパイクトレインに変換し,スパイクニューラルネットワークで処理する方法を提案する。 提案手法は網膜神経節細胞の適応的挙動を模倣し,入力ニューロンが入力の統計の変化に応答することを可能にする。
  論文  参考訳（メタデータ） (2021-04-12T12:33:52Z)
• 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。