論文の概要: A Two-stream Convolutional Network for Musculoskeletal and Neurological Disorders Prediction

• arxiv url: http://arxiv.org/abs/2208.08848v1
• Date: Thu, 18 Aug 2022 14:32:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-19 13:44:22.247062
• Title: A Two-stream Convolutional Network for Musculoskeletal and Neurological Disorders Prediction
• Title（参考訳）: 筋骨格・神経障害予測のための2ストリーム畳み込みネットワーク
• Authors: Manli Zhu, Qianhui Men, Edmond S. L. Ho, Howard Leung, and Hubert P. H. Shum
• Abstract要約: 筋骨格障害や神経疾患は高齢者の歩行障害の最も一般的な原因である。 近年のディープラーニングに基づく手法は、自動分析に有望な結果を示している。
• 参考スコア（独自算出の注目度）: 14.003588854239544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Musculoskeletal and neurological disorders are the most common causes of walking problems among older people, and they often lead to diminished quality of life. Analyzing walking motion data manually requires trained professionals and the evaluations may not always be objective. To facilitate early diagnosis, recent deep learning-based methods have shown promising results for automated analysis, which can discover patterns that have not been found in traditional machine learning methods. We observe that existing work mostly applies deep learning on individual joint features such as the time series of joint positions. Due to the challenge of discovering inter-joint features such as the distance between feet (i.e. the stride width) from generally smaller-scale medical datasets, these methods usually perform sub-optimally. As a result, we propose a solution that explicitly takes both individual joint features and inter-joint features as input, relieving the system from the need of discovering more complicated features from small data. Due to the distinctive nature of the two types of features, we introduce a two-stream framework, with one stream learning from the time series of joint position and the other from the time series of relative joint displacement. We further develop a mid-layer fusion module to combine the discovered patterns in these two streams for diagnosis, which results in a complementary representation of the data for better prediction performance. We validate our system with a benchmark dataset of 3D skeleton motion that involves 45 patients with musculoskeletal and neurological disorders, and achieve a prediction accuracy of 95.56%, outperforming state-of-the-art methods.
• Abstract（参考訳）: 筋骨格障害や神経障害は高齢者の歩行障害の最も一般的な原因であり、生活の質が低下することが多い。 歩行動作データを手動で分析するには熟練した専門家が必要である。 早期診断を容易にするため、最近のディープラーニングベースの手法では、従来の機械学習手法では見つからなかったパターンを発見できる自動化分析の有望な結果が示されている。 既存の研究は主に、関節の位置の時系列のような個々の関節の特徴にディープラーニングを適用している。 一般に小規模の医療データセットから足間距離(ストライド幅)などの関節間の特徴を発見することの難しさから、これらの手法は通常、準最適に実行する。 そこで本研究では,個々の関節機能と協調機能の両方を入力として明示的に取り出す手法を提案し,より複雑な特徴を小さなデータから発見する必要性からシステムを緩和する。 この2つの特徴の特色から, 関節位置の時系列から1つのストリーム学習と, 相対的な関節変位の時系列から1つのストリーム学習を行う2つのストリームフレームワークを提案する。 さらに,この2つのストリームに検出されたパターンを組み合わせて診断を行う中間層融合モジュールを開発し,予測性能を向上させるためにデータの相補的表現を行う。 筋骨格・神経障害患者45名を対象とした3次元スケルトン運動のベンチマークデータセットを用いてシステム検証を行い,最新手法を上回った95.56%の予測精度を得た。

関連論文リスト

• DS-ViT: Dual-Stream Vision Transformer for Cross-Task Distillation in Alzheimer's Early Diagnosis [20.178933135186618]
  クロスタスクとクロスアーキテクチャの知識共有を容易にするデュアルストリームパイプラインを提案する。 提案手法では,特徴表現をセグメンテーションと分類モデルから統一するデュアルストリーム埋め込みモジュールを提案する。 アルツハイマー病診断のための複数の3次元データセットを用いて本手法の有効性を検証し,分類性能に有意な改善が認められた。
  論文  参考訳（メタデータ） (2024-09-11T19:31:01Z)
• Predicting Infant Brain Connectivity with Federated Multi-Trajectory GNNs using Scarce Data [54.55126643084341]
  既存のディープラーニングソリューションには,3つの大きな制限がある。 我々はフェデレートグラフベースの多軌道進化ネットワークであるFedGmTE-Net++を紹介する。 フェデレーションの力を利用して、限られたデータセットを持つ多種多様な病院の地域学習を集約する。
  論文  参考訳（メタデータ） (2024-01-01T10:20:01Z)
• Diagnosing Alzheimer's Disease using Early-Late Multimodal Data Fusion with Jacobian Maps [1.5501208213584152]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、老化に影響を及ぼす神経変性疾患である。 本稿では,自動特徴抽出とランダム森林のための畳み込みニューラルネットワークを利用する,効率的な早期融合(ELF)手法を提案する。 脳の容積の微妙な変化を検出するという課題に対処するために、画像をヤコビ領域(JD)に変換する。
  論文  参考訳（メタデータ） (2023-10-25T19:02:57Z)
• 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)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• 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)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)
• Multimodal Gait Recognition for Neurodegenerative Diseases [38.06704951209703]
  3つの神経変性疾患の歩容差を学習するための新しいハイブリッドモデルを提案する。 新しい相関メモリニューラルネットワークアーキテクチャは、時間的特徴を抽出するために設計されている。 いくつかの最先端技術と比較して,提案手法はより正確な分類結果を示す。
  論文  参考訳（メタデータ） (2021-01-07T10:17:11Z)
• Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
  被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。 グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。 まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
  論文  参考訳（メタデータ） (2020-06-11T17:29:53Z)
• A Self-ensembling Framework for Semi-supervised Knee Cartilage Defects Assessment with Dual-Consistency [40.67137486295487]
  本研究は, 重症度分類と病変局所化を含む, 膝軟骨欠損評価のための新しいアプローチを提案する。 自己理解フレームワークは、学生ネットワークと、同じ構造を持つ教師ネットワークとから構成される。 実験により, 膝軟骨欠損の分類と局所化の双方において, 提案手法は自己認識性能を著しく向上させることができることが示された。
  論文  参考訳（メタデータ） (2020-05-19T04:47:25Z)

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。