論文の概要: Markerless human pose estimation for biomedical applications: a survey
- arxiv url: http://arxiv.org/abs/2308.00519v1
- Date: Tue, 1 Aug 2023 12:59:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-02 14:12:38.897931
- Title: Markerless human pose estimation for biomedical applications: a survey
- Title(参考訳): バイオメディカル応用のためのマーカーレス人間のポーズ推定
- Authors: Andrea Avogaro, Federico Cunico, Bodo Rosenhahn and Francesco Setti
- Abstract要約: Markerless Human Pose Estimation (HPE)は、多くの分野のアプリケーションにおける意思決定と評価を支援する可能性を証明した。
HPEは、設定の容易さ、ポータビリティ、コストの安いため、伝統的なマーカーベースのモーションキャプチャシステムよりも好まれる。
- 参考スコア(独自算出の注目度): 23.020250287047237
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Markerless Human Pose Estimation (HPE) proved its potential to support
decision making and assessment in many fields of application. HPE is often
preferred to traditional marker-based Motion Capture systems due to the ease of
setup, portability, and affordable cost of the technology. However, the
exploitation of HPE in biomedical applications is still under investigation.
This review aims to provide an overview of current biomedical applications of
HPE. In this paper, we examine the main features of HPE approaches and discuss
whether or not those features are of interest to biomedical applications. We
also identify those areas where HPE is already in use and present peculiarities
and trends followed by researchers and practitioners. We include here 25
approaches to HPE and more than 40 studies of HPE applied to motor development
assessment, neuromuscolar rehabilitation, and gait & posture analysis. We
conclude that markerless HPE offers great potential for extending diagnosis and
rehabilitation outside hospitals and clinics, toward the paradigm of remote
medical care.
- Abstract(参考訳): Markerless Human Pose Estimation (HPE)は、多くの分野のアプリケーションにおける意思決定と評価を支援する可能性を証明した。
HPEは、設定の容易さ、ポータビリティ、コストの安いため、伝統的なマーカーベースのモーションキャプチャシステムよりも好まれる。
しかし, 生物医学におけるhpeの活用はまだ検討中である。
本稿では,HPEの最近のバイオメディカル応用について概説する。
本稿では,HPEアプローチの主な特徴について検討し,その特徴が生体医学的応用に重要であるか否かを考察する。
また,HPEがすでに使用されている地域や,研究者や実践者が続く特異点や傾向も確認した。
HPEに対する25のアプローチと、運動発達評価、神経筋再生、歩行・姿勢分析に適用される40以上のHPEの研究を含む。
我々は,マーカーレスHPEが遠隔医療のパラダイムに向けて,病院や診療所外の診断・リハビリテーションを拡大する大きな可能性を秘めていると結論付けた。
関連論文リスト
- Uncertainty Quantification in Machine Learning for Biosignal
Applications -- A Review [6.9060054915724]
不確かさの定量化(UQ)は、ディープラーニングのブラックボックスの性質を直そうとする試みで注目を集めている。
心電図(EEG)、心電図(ECG)、心電図(EOG)、筋電図(EMG)などの生体信号は良好なUQの恩恵を受ける可能性がある。
このアプリケーション領域に現在存在する様々な方法、欠点、不確実性対策、理論的枠組みについて述べる。
論文 参考訳(メタデータ) (2023-11-15T14:24:33Z) - Holistic Evaluation of GPT-4V for Biomedical Imaging [113.46226609088194]
GPT-4Vはコンピュータビジョンのための人工知能の突破口である。
GPT-4Vは,放射線学,腫瘍学,眼科,病理学など16分野にまたがって評価を行った。
以上の結果より,GPT-4Vは異常や解剖学的認識に優れていたが,診断や局所化は困難であった。
論文 参考訳(メタデータ) (2023-11-10T18:40:44Z) - Vision-Based Human Pose Estimation via Deep Learning: A Survey [16.91869014002809]
人間のポーズ推定(HPE)はコンピュータビジョンコミュニティからかなりの注目を集めている。
ディープラーニングベースのアプローチは、HPEベースのアプリケーションで最先端のパフォーマンスを示している。
論文 参考訳(メタデータ) (2023-08-26T13:14:48Z) - Neurosymbolic AI for Reasoning on Biomedical Knowledge Graphs [0.9085310904484414]
バイオメディカルデータセットは、しばしば知識グラフ(KG)としてモデル化される。
したがって、KG完了(KGC)は、研究者が薬物再配置などのタスクを予測するのに役立ちます。
論文 参考訳(メタデータ) (2023-07-17T11:47:05Z) - A marker-less human motion analysis system for motion-based biomarker
discovery in knee disorders [60.99112047564336]
NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。
膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
論文 参考訳(メタデータ) (2023-04-26T16:47:42Z) - Federated Learning for Medical Applications: A Taxonomy, Current Trends,
Challenges, and Future Research Directions [9.662980267339375]
我々は, acFLの医学的応用, 特にグローバル癌診断の文脈に焦点をあてる。
acFLの最近の発展により、複雑な機械学習モデルを分散的に訓練することが可能になった。
論文 参考訳(メタデータ) (2022-08-05T21:41:15Z) - Bottom-up approaches for multi-person pose estimation and it's
applications: A brief review [0.0]
HPE(Human Pose Estimation)は、コンピュータビジョンにおける基本的な問題の一つである。
仮想現実、人間の行動分析、ビデオ監視、異常検出、自動運転から医療支援まで、さまざまな応用がある。
1つのパラダイムはボトムアップ・マルチパーソン・ポーズ推定と呼ばれる。
ボトムアップアプローチでは、対象のすべてのキーポイントが検出され、後段の最適化段階では、検出されたキーポイントが対応するターゲットに関連付けられている。
論文 参考訳(メタデータ) (2021-12-22T12:20:26Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳(メタデータ) (2021-06-08T10:38:09Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳(メタデータ) (2021-05-03T21:20:20Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳(メタデータ) (2020-08-05T15:45:54Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳(メタデータ) (2019-12-28T02:44:29Z)
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。