論文の概要: SVM based Multiclass Classifier for Gait phase Classification using Shank IMU Sensor

• arxiv url: http://arxiv.org/abs/2310.09728v1
• Date: Sun, 15 Oct 2023 04:23:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 01:56:31.237761
• Title: SVM based Multiclass Classifier for Gait phase Classification using Shank IMU Sensor
• Title（参考訳）: シャンクIMUセンサを用いた歩行位相分類のためのSVMに基づくマルチクラス分類器
• Authors: Aswadh Khumar G S and Barath Kumar JK
• Abstract要約: SVMマルチクラス分類に基づく歩行位相分類法を提案する。 提案手法は様々な歩行位相を90.3%程度の精度で分類することに成功した。 歩行相の分類は特に外骨格と補綴物の領域において重要である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this study, a gait phase classification method based on SVM multiclass classification is introduced, with a focus on the precise identification of the stance and swing phases, which are further subdivided into seven phases. Data from individual IMU sensors, such as Shank Acceleration X, Y, Z, Shank Gyro X, and Knee Angles, are used as features in this classification model. The suggested technique successfully classifies the various gait phases with a significant accuracy of about 90.3%. Gait phase classification is crucial, especially in the domains of exoskeletons and prosthetics, where accurate identification of gait phases enables seamless integration with assistive equipment, improving mobility, stability, and energy economy. This study extends the study of gait and offers an effective method for correctly identifying gait phases from Shank IMU sensor data, with potential applications in biomechanical research, exoskeletons, rehabilitation, and prosthetics.
• Abstract（参考訳）: 本研究では, SVM のマルチクラス分類に基づく歩行位相分類手法を導入し, 姿勢と揺動位相の正確な同定に着目し, さらに7つの位相に分割した。 この分類モデルでは、Shank Acceleration X、Y、Z、Shank Gyro X、Knee Anglesなどの個々のIMUセンサーのデータが特徴として使用される。 提案手法は約90.3%の精度で様々な歩行相を分類することに成功した。 歩行相分類は特に外骨格と補綴学の領域において重要であり、歩行相の正確な同定は補助装置とのシームレスな統合、移動性、安定性、エネルギー経済の改善を可能にする。 本研究は歩行の研究を拡張し,Shank IMUセンサデータから歩行位相を正しく同定する有効な方法を提供し,生体力学的研究,外骨格,リハビリテーション,補綴学に応用できる可能性を示した。

関連論文リスト

• FoME: A Foundation Model for EEG using Adaptive Temporal-Lateral Attention Scaling [19.85701025524892]
  FoME (Foundation Model for EEG) は適応的側方アテンションスケーリングを用いた新しいアプローチである。 FoMEは1.7TBの頭皮と頭蓋内脳波記録のデータセットで事前訓練されており、1,096kのステップで745Mのパラメータが訓練されている。
  論文  参考訳（メタデータ） (2024-09-19T04:22:40Z)
• Multi-target and multi-stage liver lesion segmentation and detection in multi-phase computed tomography scans [12.090385175034305]
  肝臓の病変は、周囲の組織に対して大きさ、形状、食感、コントラストに大きく異なる。 現在の最先端の病変セグメンテーションネットワークは、UNetアーキテクチャに基づいたエンコーダ・デコーダ設計パラダイムを使用している。 提案手法は, 肝病変の相対的セグメンテーション性能を1.6%改善すると共に, 現在の最先端モデルと比較して, 被験者ごとのパフォーマンス変動率を8%低下させる。
  論文  参考訳（メタデータ） (2024-04-17T08:05:04Z)
• Latent Alignment with Deep Set EEG Decoders [44.128689862889715]
  本稿では,脳波伝達学習大会のベンチマークで優勝した潜在アライメント手法を紹介する。 我々は,その定式化を,与えられた被験者の試行セットに適用したディープセットとして提示する。 実験の結果,深層学習モデルにおける後段の統計的分布アライメントの実行は,分類精度に有益であることが示唆された。
  論文  参考訳（メタデータ） (2023-11-29T12:40:45Z)
• Respiratory Disease Classification and Biometric Analysis Using Biosignals from Digital Stethoscopes [3.2458203725405976]
  本研究は, 自動呼吸器疾患分類とバイオメトリックス解析にデジタル聴診器技術を活用した新しいアプローチを提案する。 各種呼吸状態の分類に機械学習モデルを訓練する。 本研究は,2値分類の精度(健康と疾患のバランス精度89%)と多値分類の精度(72%)を実現している。
  論文  参考訳（メタデータ） (2023-09-12T23:54:00Z)
• First steps towards quantum machine learning applied to the classification of event-related potentials [68.8204255655161]
  低情報伝達速度は、臨床応用のための非侵襲脳波(EEG)に基づく脳-コンピュータインターフェースの主要なボトルネックである。 本研究では,量子化支援ベクトル分類器(QSVC)の性能について検討する。 QSVCのトレーニング(予測)精度は83.17 (50.25) %であった。
  論文  参考訳（メタデータ） (2023-02-06T09:43:25Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Biosensors and Machine Learning for Enhanced Detection, Stratification, and Classification of Cells: A Review [0.927465654262466]
  細胞を検出し分類するセンサーに機械学習がどのように明示的に適用されたかを説明します。 また,センサのモダリティやアルゴリズムの違いが,精度やデータセットサイズに与える影響についても比較した。
  論文  参考訳（メタデータ） (2021-01-06T04:32:30Z)
• PointIso: Point Cloud Based Deep Learning Model for Detecting Arbitrary-Precision Peptide Features in LC-MS Map through Attention Based Segmentation [5.495506445661776]
  PointIsoは、ペプチドの特徴検出の問題を解決するために、ポイントクラウドベースの任意の精度のディープラーニングネットワークである。 ベンチマークデータセットにおいて、高品質なMS/MS識別を98%検出する。
  論文  参考訳（メタデータ） (2020-09-15T17:34:14Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)

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。