論文の概要: Strengths and Weaknesses of 3D Pose Estimation and Inertial Motion Capture System for Movement Therapy

• arxiv url: http://arxiv.org/abs/2306.06117v1
• Date: Thu, 1 Jun 2023 20:35:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-18 12:52:44.263993
• Title: Strengths and Weaknesses of 3D Pose Estimation and Inertial Motion Capture System for Movement Therapy
• Title（参考訳）: 運動療法のための3次元ポーズ推定と慣性モーションキャプチャシステムの強みと弱み
• Authors: Shawan Mohammed, Hannah Siebers, Ted Preu{\ss}
• Abstract要約: 3Dポーズ推定は、高速で非侵襲的で正確な動き分析の機会を提供する。 我々は,既存の慣性センサシステムMTw Awindaと比較して,最先端の3D位置推定手法であるMeTrabsの精度について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D pose estimation offers the opportunity for fast, non-invasive, and accurate motion analysis. This is of special interest also for clinical use. Currently, motion capture systems are used, as they offer robust and precise data acquisition, which is essential in the case of clinical applications. In this study, we investigate the accuracy of the state-of-the-art 3D position estimation approach MeTrabs, compared to the established inertial sensor system MTw Awinda for specific motion exercises. The study uses and provides an evaluation dataset of parallel recordings from 10 subjects during various movement therapy exercises. The information from the Awinda system and the frames for monocular pose estimation are synchronized. For the comparison, clinically relevant parameters for joint angles of ankle, knee, back, and elbow flexion-extension were estimated and evaluated using mean, median, and maximum deviation between the calculated joint angles for the different exercises, camera positions, and clothing items. The results of the analysis indicate that the mean and median deviations can be kept below 5{\deg} for some of the studied angles. These joints could be considered for medical applications even considering the maximum deviations of 15{\deg}. However, caution should be applied to certain particularly problematic joints. In particular, elbow flexions, which showed high maximum deviations of up to 50{\deg} in our analysis. Furthermore, the type of exercise plays a crucial role in the reliable and safe application of the 3D position estimation method. For example, all joint angles showed a significant deterioration in performance during exercises near the ground.
• Abstract（参考訳）: 3Dポーズ推定は、高速で非侵襲的で正確な動き分析の機会を提供する。 これは臨床利用にも特に興味がある。 現在、モーションキャプチャシステムは、堅牢で正確なデータ取得を提供するため使われており、臨床応用においては必須である。 本研究では,既存の慣性センサシステムMTw Awindaと比べ,最先端の3D位置推定手法であるMeTrabsの精度について検討した。 本研究は,運動療法訓練中の被験者10名を対象に,パラレル記録の評価データセットを活用し,提供する。 Awindaシステムからの情報と単眼ポーズ推定用フレームとを同期させる。 比較のために, 異なる運動, カメラ位置, 衣料品について算出した関節角度の平均, 中央値, 最大偏差を用いて, 足首, 膝, 背, 肘屈伸伸筋の関節角度について臨床的に関連のあるパラメータを推定し, 評価した。 解析の結果, 平均偏差と中央値偏差は, 研究対象の角度に対して5{\deg}以下に維持できることがわかった。 これらの関節は15{\deg}の最大偏差を考慮しても医療用途として考慮できる。 しかし、特に問題のある関節には注意が必要である。 特に肘屈曲は最大50{\deg}の最大偏差を示した。 さらに,3次元位置推定法の信頼性と安全性の確保には,運動の種類が重要な役割を担っている。 例えば、すべての関節角度は、地面付近での運動中に顕著な性能低下を示した。

関連論文リスト

• Multi-feature Compensatory Motion Analysis for Reaching Motions Over a Discretely Sampled Workspace [5.004501184476518]
  上肢補綴における手首などの機能的腕関節の欠如は、補償運動を引き起こす。 この研究は、個別にサンプリングされた7*7 2Dグリッドに到達した被験者の最終ポーズにおける補償運動を分析した。
  論文  参考訳（メタデータ） (2024-08-23T19:39:08Z)
• A webcam-based machine learning approach for three-dimensional range of motion evaluation [5.520419627866446]
  関節可動域(ROM)は理学療法において重要な定量的指標である。 この研究は、ウェブカメラを介してリモートでアクセス可能な機械学習ベースのROM評価手法を提示し、評価する。
  論文  参考訳（メタデータ） (2023-10-11T09:12:42Z)
• Intelligent Knee Sleeves: A Real-time Multimodal Dataset for 3D Lower Body Motion Estimation Using Smart Textile [2.2008680042670123]
  本稿では,人間のポーズ推定のために,Intelligent Knee Sleevesの新たなペアを用いてベンチマークを収集したマルチモーダルデータセットを提案する。 本システムは,Knee Sleevesの時系列データと,可視化されたモーションキャプチャーカメラシステムからの対応する地上真実ラベルからなる同期データセットを利用する。 我々はこれらを用いて、異なる活動を行う個人のウェアラブルデータのみに基づく3次元人体モデルを生成する。
  論文  参考訳（メタデータ） (2023-10-02T00:34:21Z)
• KIDS: kinematics-based (in)activity detection and segmentation in a sleep case study [5.707737640557724]
  睡眠行動とベッド内の運動は、人々の神経生理学的健康に関する豊富な情報を含んでいる。 本稿では,臨床的に有意な関節キネマティクスに基づく客観的(in)アクティビティ検出とセグメンテーションのためのオンラインベイズ確率的枠組みを提案する。
  論文  参考訳（メタデータ） (2023-01-04T16:24:01Z)
• Improving Robustness and Accuracy via Relative Information Encoding in 3D Human Pose Estimation [59.94032196768748]
  位置および時間的拡張表現を出力する相対情報符号化法を提案する。 提案手法は2つの公開データセット上で最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-07-29T14:12:19Z)
• Learning Dynamics via Graph Neural Networks for Human Pose Estimation and Tracking [98.91894395941766]
  ポーズ検出とは無関係なポーズダイナミクスを学習する新しいオンライン手法を提案する。 具体的には、空間的・時間的情報と視覚的情報の両方を明示的に考慮したグラフニューラルネットワーク(GNN)を通して、このダイナミクスの予測を導出する。 PoseTrack 2017とPoseTrack 2018データセットの実験では、提案手法が人間のポーズ推定とトラッキングタスクの両方において、技術の現状よりも優れた結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-06-07T16:36:50Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Inertial Measurements for Motion Compensation in Weight-bearing Cone-beam CT of the Knee [6.7461735822055715]
  膝のCTスキャン中の不随意運動は、再建されたボリュームのアーティファクトを引き起こすため、臨床診断には使用できない。 被験者の脚に慣性測定装置(IMU)を装着し,スキャン中の運動を測定する。
  論文  参考訳（メタデータ） (2020-07-09T09:26:27Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• A Deep Learning Approach for Motion Forecasting Using 4D OCT Data [69.62333053044712]
  我々は,OCTボリュームのストリームを用いたエンド・ツー・エンド動作予測と推定のための4次元時間深度学習を提案する。 提案手法は,全体の平均相関97.41%の動作予測を実現するとともに,従来の3D手法と比較して2.5倍の動作推定性能を向上する。
  論文  参考訳（メタデータ） (2020-04-21T15:59:53Z)

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。