論文の概要: Human Health Indicator Prediction from Gait Video

• arxiv url: http://arxiv.org/abs/2212.12948v1
• Date: Sun, 25 Dec 2022 19:10:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 13:40:26.247220
• Title: Human Health Indicator Prediction from Gait Video
• Title（参考訳）: 歩行映像からの人間の健康指標予測
• Authors: Ziqing Li, Xuexin Yu, Xiaocong Lian, Yifeng Wang, Xiangyang Ji
• Abstract要約: 我々は、監視やホームモニタリングのシナリオでよく見られる健康指標の予測に、歩行ビデオを採用することを提案する。 健康指標予測タスクに適合するため,Global-Local Aware aNdsymmetric Centro (GLANCE)モジュールを提案する。 実験により,提案手法はMoViの健康指標を予測するための最先端の結果が得られることが示された。
• 参考スコア（独自算出の注目度）: 34.24448186464565
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Body Mass Index (BMI), age, height and weight are important indicators of human health conditions, which can provide useful information for plenty of practical purposes, such as health care, monitoring and re-identification. Most existing methods of health indicator prediction mainly use front-view body or face images. These inputs are hard to be obtained in daily life and often lead to the lack of robustness for the models, considering their strict requirements on view and pose. In this paper, we propose to employ gait videos to predict health indicators, which are more prevalent in surveillance and home monitoring scenarios. However, the study of health indicator prediction from gait videos using deep learning was hindered due to the small amount of open-sourced data. To address this issue, we analyse the similarity and relationship between pose estimation and health indicator prediction tasks, and then propose a paradigm enabling deep learning for small health indicator datasets by pre-training on the pose estimation task. Furthermore, to better suit the health indicator prediction task, we bring forward Global-Local Aware aNd Centrosymmetric Encoder (GLANCE) module. It first extracts local and global features by progressive convolutions and then fuses multi-level features by a centrosymmetric double-path hourglass structure in two different ways. Experiments demonstrate that the proposed paradigm achieves state-of-the-art results for predicting health indicators on MoVi, and that the GLANCE module is also beneficial for pose estimation on 3DPW.
• Abstract（参考訳）: 身体質量指数(BMI)、年齢、身長、体重は人間の健康状態の重要な指標であり、医療、監視、再識別など、多くの実用的な目的に有用な情報を提供することができる。 既存のヘルスインジケータの予測方法は、主にフロントビューボディまたはフェイスイメージを使用する。 これらのインプットは日常生活では入手が困難であり、しばしばビューとポーズに関する厳格な要件を考慮して、モデルに対する堅牢性の欠如につながる。 本稿では,監視やホームモニタリングのシナリオに広く見られる健康指標を予測するために,歩行ビデオを利用する方法を提案する。 しかし,少量のオープンソースデータにより,ディープラーニングを用いた歩行映像からの健康指標の予測が妨げられた。 この問題に対処するために、ポーズ推定と健康指標予測タスクの類似性と関係を分析し、ポーズ推定タスクを事前学習することで、小さな健康指標データセットのディープラーニングを可能にするパラダイムを提案する。 さらに,健康指標予測タスクに適合するため,Global-Local Aware aNd Centrosymmetric Encoder (GLANCE)モジュールを提案する。 まず、プログレッシブ・畳み込みによって局所的および大域的特徴を抽出し、その後、中心対称の二重経路時計構造を2つの異なる方法で融合させる。 実験の結果,提案手法はMoVi上での健康指標の予測に有効であり,GLANCEモジュールは3DPWでのポーズ推定にも有用であることがわかった。

関連論文リスト

• Recent Advances in Predictive Modeling with Electronic Health Records [73.31880579203012]
  EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。 深層学習は、医療を含む様々な応用においてその優位性を示している。
  論文  参考訳（メタデータ） (2024-02-02T00:31:01Z)
• Scaling Representation Learning from Ubiquitous ECG with State-Space Models [28.776392386988043]
  我々は、ECG信号からの表現学習のための事前訓練された状態空間モデルであるtextbfWildECGを紹介する。 我々は,275,000個のECG記録を野生で収集し,下流のタスクで評価することで,このモデルを自己指導的に訓練する。
  論文  参考訳（メタデータ） (2023-09-26T22:08:19Z)
• Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
  機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。 モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
  論文  参考訳（メタデータ） (2023-03-02T17:27:45Z)
• In-Bed Human Pose Estimation from Unseen and Privacy-Preserving Image Domains [22.92165116962952]
  ベッド内の人間の姿勢推定は、医療状況の評価において潜在的な価値を持つ重要な健康関連指標を提供する。 本稿では,マルチモーダル条件変分オートエンコーダ(MC-VAE)を提案する。 本研究は, 身体位置が利用可能なモダリティから効果的に認識できることを示し, ベースラインモデルと同等の結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-11-30T04:56:16Z)
• Predicting Intensive Care Unit Length of Stay and Mortality Using Patient Vital Signs: Machine Learning Model Development and Validation [0.22940141855172028]
  モデルは、インテリジェントな遠隔患者監視フレームワークのインテリジェントなicu患者監視モジュールで使用される。 集中治療(mimic)データベースのための公開医療情報マートを用いて,成人患者に対するicu滞在データを抽出した。 死亡率モデルに6mlアルゴリズムを適用して退院状況(生存の有無)の予測を行った。 滞在モデルの長さについて,2.64日間の中央値のICU滞在率を用いて,同じ6つのMLアルゴリズムをバイナリ分類に適用した。
  論文  参考訳（メタデータ） (2021-05-05T18:45:26Z)
• IA-GCN: Interpretable Attention based Graph Convolutional Network for Disease prediction [47.999621481852266]
  タスクに対する入力特徴の臨床的関連性を解釈する,解釈可能なグラフ学習モデルを提案する。 臨床シナリオでは、そのようなモデルは、臨床専門家が診断および治療計画のためのより良い意思決定を支援することができる。 本研究では,Tadpoleの平均精度が3.2%,UKBBジェンダーが1.6%,UKBB年齢予測タスクが2%と,比較方法と比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2021-03-29T13:04:02Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)
• Health Indicator Forecasting for Improving Remaining Useful Life Estimation [12.250035750661866]
  本稿では,健康指標予測のための新しい生成・シナリオマッチングアルゴリズムを提案する。 実験結果は,他の最先端手法よりもアルゴリズムの方が優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-05T23:02:10Z)

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。