論文の概要: Video-Based Hand Pose Estimation for Remote Assessment of Bradykinesia
in Parkinson's Disease
- arxiv url: http://arxiv.org/abs/2308.14679v1
- Date: Mon, 28 Aug 2023 16:15:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 13:04:37.958726
- Title: Video-Based Hand Pose Estimation for Remote Assessment of Bradykinesia
in Parkinson's Disease
- Title（参考訳）: パーキンソン病におけるブラジキネジアの遠隔評価のためのビデオベースハンドポーズ推定
- Authors: Gabriela T. Acevedo Trebbau, Andrea Bandini, Diego L. Guarin
- Abstract要約: パーキンソン病におけるBradykinesiaの映像による評価のためのポーズ推定アルゴリズムの精度は研究されていない。
親指と人差し指の動きを推定するために,7つの手ポーズ推定モデルを用いた。
7つのモデルのうち3つはオンデバイス記録において良好な精度を示し、ストリーミング記録では有意に精度が低下した。
- 参考スコア（独自算出の注目度）: 1.8734449181723833
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is a growing interest in using pose estimation algorithms for
video-based assessment of Bradykinesia in Parkinson's Disease (PD) to
facilitate remote disease assessment and monitoring. However, the accuracy of
pose estimation algorithms in videos from video streaming services during
Telehealth appointments has not been studied. In this study, we used seven
off-the-shelf hand pose estimation models to estimate the movement of the thumb
and index fingers in videos of the finger-tapping (FT) test recorded from
Healthy Controls (HC) and participants with PD and under two different
conditions: streaming (videos recorded during a live Zoom meeting) and
on-device (videos recorded locally with high-quality cameras). The accuracy and
reliability of the models were estimated by comparing the models' output with
manual results. Three of the seven models demonstrated good accuracy for
on-device recordings, and the accuracy decreased significantly for streaming
recordings. We observed a negative correlation between movement speed and the
model's accuracy for the streaming recordings. Additionally, we evaluated the
reliability of ten movement features related to bradykinesia extracted from
video recordings of PD patients performing the FT test. While most of the
features demonstrated excellent reliability for on-device recordings, most of
the features demonstrated poor to moderate reliability for streaming
recordings. Our findings highlight the limitations of pose estimation
algorithms when applied to video recordings obtained during Telehealth visits,
and demonstrate that on-device recordings can be used for automatic
video-assessment of bradykinesia in PD.
- Abstract（参考訳）: パーキンソン病(PD)におけるBradykinesiaの映像による評価にポーズ推定アルゴリズムを用いることにより、遠隔疾患の評価とモニタリングを容易にすることへの関心が高まっている。
しかし,遠隔医療アポイントメント時の映像配信におけるポーズ推定アルゴリズムの精度は研究されていない。
そこで本研究では,Healthy Controls (HC) とPDの参加者によるビデオと,ストリーミング(ライブZoomミーティング中に録画されたビデオ)とオンデバイス(高品質カメラでローカルに録画されたビデオ)の2つの異なる条件下で,親指と人差し指の動きを推定するために,市販の手ポーズ推定モデル7つを使用した。
モデルの出力と手動の結果を比較し,モデルの精度と信頼性を推定した。
7つのモデルのうち3つは、オンデバイス記録の精度が良好であり、ストリーミング記録の精度は著しく低下した。
ストリーミング記録における移動速度とモデルの精度との間に負の相関がみられた。
さらに, FT検査を施行したPD患者のビデオ記録から抽出したブラジキネジアに関連する10の運動特性の信頼性について検討した。
ほとんどの機能はオンデバイス録音に優れた信頼性を示したが、ほとんどの機能はストリーミング録音の信頼性が低かった。
本研究は,遠隔医療訪問時の映像記録に適用した場合のポーズ推定アルゴリズムの限界に注目し,pdにおけるブラジキネジアの自動映像評価にオンデバイス記録が有効であることを示す。
関連論文リスト
- Benchmarking Skeleton-based Motion Encoder Models for Clinical Applications: Estimating Parkinson's Disease Severity in Walking Sequences [3.650839294933459]
PD患者の歩行パターンを解析するための大規模人間の動作データセットを訓練した一般人動作エンコーダ。
運動障害社会の予測能力について,6つの事前訓練されたヒト運動エンコーダモデルの評価を行った。
論文 参考訳（メタデータ） (2024-05-28T04:29:10Z) - VSViG: Real-time Video-based Seizure Detection via Skeleton-based Spatiotemporal ViG [8.100646331930953]
正確なて効率的なてんかん発作検出は、患者に有益である。
従来の診断法は、主に脳波(EEG)に依存しており、しばしば困難で移植不可能な解決策をもたらす。
骨格型時間的視覚グラフニューラルネットワークを用いて,ビデオに基づく新しいシーズーア検出モデルを提案する。
論文 参考訳（メタデータ） (2023-11-24T15:07:29Z) - Hallucinated Heartbeats: Anomaly-Aware Remote Pulse Estimation [4.358339450050692]
実検体のみで訓練されたディープラーニングモデルは、異常なビデオに本物の形のパルスを"幻覚"させる。
提案した訓練(75.8%)を取り入れた深層学習モデルの精度は,定期訓練(73.7%)と手作りr法(52-62%)と比較して向上した。
論文 参考訳（メタデータ） (2023-03-11T17:09:14Z) - Exploring the Effectiveness of Video Perceptual Representation in Blind
Video Quality Assessment [55.65173181828863]
表現の図形的形態を記述することにより、時間的歪みを測定するための時間的知覚品質指標(TPQI)を提案する。
実験の結果,TPQIは主観的時間的品質を予測する効果的な方法であることがわかった。
論文 参考訳（メタデータ） (2022-07-08T07:30:51Z) - Reducing a complex two-sided smartwatch examination for Parkinson's
Disease to an efficient one-sided examination preserving machine learning
accuracy [63.20765930558542]
パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。
本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
論文 参考訳（メタデータ） (2022-05-11T09:12:59Z) - Self-Attentive 3D Human Pose and Shape Estimation from Videos [82.63503361008607]
3D人間のポーズと形状推定のためのビデオベースの学習アルゴリズムを紹介します。
ビデオの時間情報を利用して自己着脱モジュールを提案する。
本手法を3DPW, MPI-INF-3DHP, Human3.6Mデータセット上で評価した。
論文 参考訳（メタデータ） (2021-03-26T00:02:19Z) - Temporally Guided Articulated Hand Pose Tracking in Surgical Videos [27.525545343598527]
関節した手のポーズ追跡は未熟な問題であり、広範囲のアプリケーションでの使用の可能性を秘めている。
ポーズ予測の前にハンドポーズを組み込むことでトラッキング精度を向上させる,新しいハンドポーズ推定モデルRes152-CondPoseを提案する。
私たちのデータセットには、28の公開手術ビデオと8.1kの注釈付きハンドポーズインスタンスから76のビデオクリップが含まれています。
論文 参考訳（メタデータ） (2021-01-12T03:44:04Z) - 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) - Robust Unsupervised Video Anomaly Detection by Multi-Path Frame
Prediction [61.17654438176999]
本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。
提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
論文 参考訳（メタデータ） (2020-11-05T11:34:12Z) - Coherent Loss: A Generic Framework for Stable Video Segmentation [103.78087255807482]
ビデオセグメンテーションの結果の視覚的品質を,ジッタリングアーティファクトがいかに劣化させるかを検討する。
本稿では,ニューラルネットワークの性能向上を目的とした汎用フレームワークを備えたコヒーレントロスを提案する。
論文 参考訳（メタデータ） (2020-10-25T10:48:28Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z)
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。