論文の概要: The RPM3D project: 3D Kinematics for Remote Patient Monitoring
- arxiv url: http://arxiv.org/abs/2212.05063v1
- Date: Fri, 9 Dec 2022 14:16:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 17:42:12.469134
- Title: The RPM3D project: 3D Kinematics for Remote Patient Monitoring
- Title(参考訳): RPM3Dプロジェクト:遠隔患者モニタリングのための3Dキネマティクス
- Authors: Alicia Forn\'es, Asma Bensalah, Cristina Carmona-Duarte, Jialuo Chen,
Miguel A. Ferrer, Andreas Fischer, Josep Llad\'os, Cristina Mart\'in, Eloy
Opisso, R\'ejean Plamondon, Anna Scius-Bertrand, and Josep Maria Tormos
- Abstract要約: 本研究は,スマートウォッチを用いた3次元動作解析に基づく遠隔患者のモニタリングの実現可能性について検討する。
我々は、素早い人間運動の運動論に基づく分析を行った。
我々はGuttmann Institute5(神経リハビリテーション病院)における脳卒中リハビリテーションの実例として,本研究を検証した。
- 参考スコア(独自算出の注目度): 4.555816992996365
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This project explores the feasibility of remote patient monitoring based on
the analysis of 3D movements captured with smartwatches. We base our analysis
on the Kinematic Theory of Rapid Human Movement. We have validated our research
in a real case scenario for stroke rehabilitation at the Guttmann Institute5
(neurorehabilitation hospital), showing promising results. Our work could have
a great impact in remote healthcare applications, improving the medical
efficiency and reducing the healthcare costs. Future steps include more
clinical validation, developing multi-modal analysis architectures (analysing
data from sensors, images, audio, etc.), and exploring the application of our
technology to monitor other neurodegenerative diseases.
- Abstract(参考訳): 本研究は,スマートウォッチを用いた3次元動作解析に基づく遠隔患者のモニタリングの実現可能性について検討する。
我々は、急速人間の運動の運動論的理論に基づく分析を行う。
我々はGuttmann Institute5 (neurorehabilitation hospital) の脳卒中リハビリテーションの実際のケースシナリオで本研究を検証し,有望な結果を示した。
私たちの仕事は、遠隔医療アプリケーション、医療効率の改善、医療コストの削減に大きな影響を与える可能性があります。
今後のステップには、より臨床的な検証、マルチモーダル分析アーキテクチャ(センサー、画像、オーディオなどからのデータの解析)の開発、他の神経変性疾患を監視するための我々の技術の適用の探索などが含まれる。
関連論文リスト
- 3D Kinematics Estimation from Video with a Biomechanical Model and
Synthetic Training Data [4.130944152992895]
2つの入力ビューから3Dキネマティクスを直接出力するバイオメカニクス対応ネットワークを提案する。
実験により, 提案手法は, 合成データにのみ訓練されたものであり, 従来の最先端手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2024-02-20T17:33:40Z) - Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health
Monitoring Systems [69.41229290253605]
既存のモニタリングアプローチは、医療機器が複数の健康指標を同時に追跡するという前提で設計されている。
これは、その範囲内で関連するすべての健康値を報告し、過剰なリソース使用と外部データの収集をもたらす可能性があることを意味します。
最適なモニタリング性能とコスト効率のバランスをとるための動的アクティビティ・アウェアヘルスモニタリング戦略(DActAHM)を提案する。
論文 参考訳(メタデータ) (2024-01-19T16:26:35Z) - fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for
Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。
我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。
コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文 参考訳(メタデータ) (2023-11-01T07:24:22Z) - DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical
Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。
この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。
本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文 参考訳(メタデータ) (2023-04-05T12:04:55Z) - Multimodal video and IMU kinematic dataset on daily life activities
using affordable devices (VIDIMU) [0.0]
本データセットの目的は,日常活動の認識と運動解析のために,手頃な価格の患者総運動追跡ソリューションへの道を開くことである。
i)選択した運動の臨床的関連性、(ii)安価なビデオとカスタムセンサーの併用、(iii)3Dボディのポーズ追跡とモーション再構成のマルチモーダルデータ処理のための最先端ツールの実装。
論文 参考訳(メタデータ) (2023-03-27T14:05:49Z) - Monitoring of Pigmented Skin Lesions Using 3D Whole Body Imaging [14.544274849288952]
皮膚病変の迅速評価とマッピングを可能にする3次元全身イメージングプロトタイプを提案する。
モジュラーカメラリグは、体全体をスキャンするために複数の角度から同期した画像を自動でキャプチャするように設計されている。
我々は,深部畳み込みニューラルネットワークに基づく3次元体像再構成,データ処理,皮膚病変検出のためのアルゴリズムを開発した。
論文 参考訳(メタデータ) (2022-05-14T15:24:06Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳(メタデータ) (2022-04-01T22:48:08Z) - DeepAD: A Robust Deep Learning Model of Alzheimer's Disease Progression
for Real-World Clinical Applications [0.9999629695552196]
本稿では,アルツハイマー病の進行を予測するための新しいマルチタスク深層学習モデルを提案する。
本モデルでは,3次元畳み込みニューラルネットワークの高次元MRI特徴を他のデータモダリティと統合する。
論文 参考訳(メタデータ) (2022-03-17T05:42:00Z) - Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。
本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。
ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
論文 参考訳(メタデータ) (2021-12-02T12:45:46Z) - Exploring Motion Boundaries in an End-to-End Network for Vision-based
Parkinson's Severity Assessment [2.359557447960552]
パーキンソン病の重症度を2つの重要な構成要素である手の動きと歩行で測定するためのエンドツーエンドのディープラーニングフレームワークを提示する。
本手法は,テンポラルセグメンテーションフレームワークで訓練された膨らんだ3次元cnnを用いて,映像データの時間構造と時間構造を学習する。
本研究では,25名のPD患者を対象に,手作業および歩行作業における72.3%,77.1%の上位1位精度のデータセットを用いて,提案手法を評価した。
論文 参考訳(メタデータ) (2020-12-17T19:20:17Z) - Domain Shift in Computer Vision models for MRI data analysis: An
Overview [64.69150970967524]
機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。
しかし、現在臨床応用はごくわずかである。
異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
論文 参考訳(メタデータ) (2020-10-14T16:34:21Z)
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。