論文の概要: Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs
- arxiv url: http://arxiv.org/abs/2212.14806v1
- Date: Tue, 20 Dec 2022 12:56:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 13:11:41.111120
- Title: Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs
- Title（参考訳）: GRUを用いた疎結合RNNを用いた痛みレベルと痛み関連行動分類
- Authors: Mohammad Mahdi Dehshibi and Temitayo Olugbade and Fernando
Diaz-de-Maria and Nadia Bianchi-Berthouze and Ana Tajadura-Jim\'enez
- Abstract要約: 慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
- 参考スコア（独自算出の注目度）: 61.080598804629375
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is a growing body of studies on applying deep learning to biometrics
analysis. Certain circumstances, however, could impair the objective measures
and accuracy of the proposed biometric data analysis methods. For instance,
people with chronic pain (CP) unconsciously adapt specific body movements to
protect themselves from injury or additional pain. Because there is no
dedicated benchmark database to analyse this correlation, we considered one of
the specific circumstances that potentially influence a person's biometrics
during daily activities in this study and classified pain level and
pain-related behaviour in the EmoPain database. To achieve this, we proposed a
sparsely-connected recurrent neural networks (s-RNNs) ensemble with the gated
recurrent unit (GRU) that incorporates multiple autoencoders using a shared
training framework. This architecture is fed by multidimensional data collected
from inertial measurement unit (IMU) and surface electromyography (sEMG)
sensors. Furthermore, to compensate for variations in the temporal dimension
that may not be perfectly represented in the latent space of s-RNNs, we fused
hand-crafted features derived from information-theoretic approaches with
represented features in the shared hidden state. We conducted several
experiments which indicate that the proposed method outperforms the
state-of-the-art approaches in classifying both pain level and pain-related
behaviour.
- Abstract（参考訳）: バイオメトリックス分析にディープラーニングを適用するための研究団体が増えている。
しかし、特定の状況は、提案する生体データ分析手法の客観的測定と精度を損なう可能性がある。
例えば、慢性的な痛み(CP)を持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加的な痛みから身を守る。
この相関を解析する専用のベンチマークデータベースがないため,日常活動中に生体計測に影響を及ぼす可能性のある特定の状況の一つを検討し,エモパインデータベースにおける痛みレベルと痛み関連行動の分類を行った。
そこで我々は,共有学習フレームワークを用いて複数のオートエンコーダを組み込んだ,ゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)アンサンブルを提案する。
このアーキテクチャは、慣性測定ユニット(IMU)と表面筋電図センサ(sEMG)から収集した多次元データによって供給される。
さらに,s-rnnの潜在空間において完全に表現されない時間次元の変化を補うために,共有隠れ状態において表現された特徴を持つ情報理論的なアプローチから得られた手作りの特徴を融合した。
提案法が痛みレベルと痛み関連行動の分類において最先端のアプローチを上回っていることを示す実験を複数実施した。
関連論文リスト
- Meta-Learners for Partially-Identified Treatment Effects Across Multiple Environments [67.80453452949303]
観察データから条件平均治療効果(CATE)を推定することは、パーソナライズされた医療など多くの応用に関係している。
ここでは、観測データが複数の環境からやってくる広範囲な環境に焦点を当てる。
任意の機械学習モデルと組み合わせて使用可能な境界を推定するために、異なるモデルに依存しない学習者(いわゆるメタ学習者)を提案する。
論文 参考訳（メタデータ） (2024-06-04T16:31:43Z) - Synthetic Data for Robust Stroke Segmentation [0.0]
ディープラーニングに基づくニューロイメージングにおけるセマンティックセグメンテーションは、現在、高解像度スキャンと広範な注釈付きデータセットを必要とする。
そこで我々は,既存のSynthSegアプローチの能力を拡張した,病変分割作業のための新しい合成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-02T13:42:29Z) - mSPD-NN: A Geometrically Aware Neural Framework for Biomarker Discovery
from Functional Connectomics Manifolds [8.37609145576126]
本稿では,コネクトーム,すなわちmSPD-NNのための幾何学的認識型ニューラルネットワークフレームワークを提案する。
我々は,SPD平均推定のための一般的な選択肢に対するmSPD-NNの有効性を実証した。
ADHD-ASD併用性および健常者におけるネットワークの微妙な差異に関連する安定なバイオマーカーを明らかにする。
論文 参考訳（メタデータ） (2023-03-27T08:30:11Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Differentiable Agent-based Epidemiology [71.81552021144589]
GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。
GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
論文 参考訳（メタデータ） (2022-07-20T07:32:02Z) - Non-contact Pain Recognition from Video Sequences with Remote
Physiological Measurements Prediction [53.03469655641418]
痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。
我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
論文 参考訳（メタデータ） (2021-05-18T20:47:45Z) - Handling Non-ignorably Missing Features in Electronic Health Records
Data Using Importance-Weighted Autoencoders [8.518166245293703]
本稿では,生体データのランダムなパターンではなく,欠落を柔軟に扱うために,重要度重み付きオートエンコーダ(iwaes)と呼ばれるvaesの新たな拡張を提案する。
提案手法は,組み込みニューラルネットワークを用いて欠落機構をモデル化し,欠落機構の正確な形式を事前に指定する必要をなくした。
論文 参考訳（メタデータ） (2021-01-18T22:53:29Z) - 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) - Learning joint segmentation of tissues and brain lesions from
task-specific hetero-modal domain-shifted datasets [6.049813979681482]
本稿では,タスク固有のデータセットから関節組織と病変のセグメンテーションモデルを構築するための新しい手法を提案する。
予測されるリスクがどのように分解され、経験的に最適化されるかを示す。
それぞれのタスクに対して、我々のジョイントアプローチはタスク固有のモデルと完全に教師されたモデルに匹敵するパフォーマンスを達成します。
論文 参考訳（メタデータ） (2020-09-08T22:00:00Z) - 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。