論文の概要: A webcam-based machine learning approach for three-dimensional range of
motion evaluation
- arxiv url: http://arxiv.org/abs/2310.07322v1
- Date: Wed, 11 Oct 2023 09:12:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-13 07:37:05.343420
- Title: A webcam-based machine learning approach for three-dimensional range of
motion evaluation
- Title（参考訳）: ウェブカメラを用いた3次元動作評価のための機械学習手法
- Authors: Xiaoye Michael Wang, Derek T. Smith, Qin Zhu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.520419627866446
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background. Joint range of motion (ROM) is an important quantitative measure
for physical therapy. Commonly relying on a goniometer, accurate and reliable
ROM measurement requires extensive training and practice. This, in turn,
imposes a significant barrier for those who have limited in-person access to
healthcare.
Objective. The current study presents and evaluates an alternative machine
learning-based ROM evaluation method that could be remotely accessed via a
webcam.
Methods. To evaluate its reliability, the ROM measurements for a diverse set
of joints (neck, spine, and upper and lower extremities) derived using this
method were compared to those obtained from a marker-based optical motion
capture system.
Results. Data collected from 25 healthy adults demonstrated that the webcam
solution exhibited high test-retest reliability, with substantial to almost
perfect intraclass correlation coefficients for most joints. Compared with the
marker-based system, the webcam-based system demonstrated substantial to almost
perfect inter-rater reliability for some joints, and lower inter-rater
reliability for other joints (e.g., shoulder flexion and elbow flexion), which
could be attributed to the reduced sensitivity to joint locations at the apex
of the movement.
Conclusions. The proposed webcam-based method exhibited high test-retest and
inter-rater reliability, making it a versatile alternative for existing ROM
evaluation methods in clinical practice and the tele-implementation of physical
therapy and rehabilitation.
- Abstract（参考訳）: 背景。
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。
一般的にはゴニメーターに頼り、正確で信頼性の高いROM測定には広範な訓練と練習が必要である。
これは、対人医療へのアクセスが制限されている人々にとって大きな障壁となる。
目的。
本研究は,webカメラから遠隔でアクセス可能な,代替機械学習によるrom評価手法を提案し,評価する。
メソッド。
信頼性を評価するため, 本法により得られた各種関節(頸部, 脊椎, 上肢, 下肢)のROM測定を, マーカーベース光学式モーションキャプチャーシステムから得られたものと比較した。
結果だ
健常成人25名から収集したデータから, ウェブカム溶液は高い信頼性を示し, ほぼ完全なクラス内相関係数を示した。
マーカーベースのシステムと比較すると、Webcamベースのシステムは、いくつかの関節に対してほぼ完全なラター間信頼性を示し、他の関節(肩屈曲や肘屈曲など)に対するラター間信頼性は、運動の頂点における関節位置に対する感度の低下に起因する可能性がある。
結論だ
提案手法は, 臨床実習における既存のROM評価法や理学療法, リハビリテーションの遠隔実施の代替手段として, 高い信頼性と信頼性を示した。
関連論文リスト
- Evaluating Explainable AI Methods in Deep Learning Models for Early Detection of Cerebral Palsy [0.13194391758295113]
脳性麻痺(CP)の早期発見は効果的な介入とモニタリングに不可欠である。
本稿では,幼児の動きのビデオ記録から抽出した骨格データを解析し,CPを予測する深層学習法を用いて,説明可能なAI(XAI)手法の信頼性と適用性を検討した。
論文 参考訳（メタデータ） (2024-08-14T00:27:09Z) - MicroXercise: A Micro-Level Comparative and Explainable System for Remote Physical Therapy [2.664550951313621]
MicroXerciseは、マイクロモーション分析とウェアラブルセンサーを統合している。
セラピストや患者に、ビデオ、テキスト、スコアなどの総合的なフィードバックインターフェースを提供する。
論文 参考訳（メタデータ） (2024-08-06T22:39:47Z) - MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。
このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。
また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文 参考訳（メタデータ） (2024-04-16T02:18:18Z) - Hand tracking for clinical applications: validation of the Google
MediaPipe Hand (GMH) and the depth-enhanced GMH-D frameworks [0.0]
目的は、Google MediaPipe Hand(GMH)と革新的な拡張版であるGMH-Dによって実装されたハンドトラッキングフレームワークを検証することである。
手の障害を評価するために臨床医が一般的に実施する3つのダイナミックエクササイズについて考察する。
その結果,両フレームワークの時間的およびスペクトル的整合性が高いことがわかった。
論文 参考訳（メタデータ） (2023-08-02T11:44:49Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - Strengths and Weaknesses of 3D Pose Estimation and Inertial Motion
Capture System for Movement Therapy [0.0]
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。
論文 参考訳（メタデータ） (2023-06-01T20:35:06Z) - ShaRPy: Shape Reconstruction and Hand Pose Estimation from RGB-D with
Uncertainty [6.559796851992517]
本稿では,最初のRGB-D形状再構成システムであるShaRPyを提案する。
ShaRPyはパーソナライズされた手の形を近似し、デジタルツインのより現実的で直感的な理解を促進する。
キーポイント検出ベンチマークを用いてShaRPyを評価し,筋骨格疾患の能動モニタリングのための手機能評価の質的結果を示した。
論文 参考訳（メタデータ） (2023-03-17T15:12:25Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。
本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
論文 参考訳（メタデータ） (2021-08-09T17:39:09Z) - Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。
コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。
その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文 参考訳（メタデータ） (2021-01-26T16:01:02Z) - 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)
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。