論文の概要: After-Stroke Arm Paresis Detection using Kinematic Data
- arxiv url: http://arxiv.org/abs/2311.16138v1
- Date: Fri, 3 Nov 2023 16:56:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-03 13:15:52.578376
- Title: After-Stroke Arm Paresis Detection using Kinematic Data
- Title（参考訳）: 運動データを用いた後ストロークアームパレシス検出
- Authors: Kenneth Lai, Mohammed Almekhlafi, Svetlana Yanushkevich
- Abstract要約: 本稿では,片側腕麻痺・弱さをキネマティックデータを用いて検出する手法を提案する。
本手法では, 時間的畳み込みネットワークとリカレントニューラルネットワークを用いて, 知識蒸留によって導かれる。
以上の結果から,本手法が臨床医や医療従事者にとって有用である可能性が示唆された。
- 参考スコア（独自算出の注目度）: 2.375665889100906
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an approach for detecting unilateral arm
paralysis/weakness using kinematic data. Our method employs temporal
convolution networks and recurrent neural networks, guided by knowledge
distillation, where we use inertial measurement units attached to the body to
capture kinematic information such as acceleration, rotation, and flexion of
body joints during an action. This information is then analyzed to recognize
body actions and patterns. Our proposed network achieves a high paretic
detection accuracy of 97.99\%, with an action classification accuracy of
77.69\%, through knowledge sharing. Furthermore, by incorporating causal
reasoning, we can gain additional insights into the patient's condition, such
as their Fugl-Meyer assessment score or impairment level based on the machine
learning result. Overall, our approach demonstrates the potential of using
kinematic data and machine learning for detecting arm paralysis/weakness. The
results suggest that our method could be a useful tool for clinicians and
healthcare professionals working with patients with this condition.
- Abstract（参考訳）: 本稿では,片側腕麻痺・弱さをキネマティックデータを用いて検出する手法を提案する。
本手法では, 時間的畳み込みネットワークと, 知識蒸留によって誘導されるリカレントニューラルネットワークを用いて, 身体に付随する慣性測定ユニットを用いて, 動作中の身体関節の加速度, 回転, 屈曲などの運動的情報をキャプチャする。
この情報は分析され、身体の動きやパターンを認識する。
提案ネットワークは,認識精度が97.99\%,動作分類精度77.69\%で,知識共有により高いパリティ検出精度を達成している。
さらに, 因果的推論を組み込むことにより, 機械学習結果に基づいて, 患者に対する評価スコアや障害レベルなど, 患者の状態に関するさらなる洞察を得ることができる。
本手法は,腕の麻痺・弱さの検出にキネマティックデータと機械学習を用いることの可能性を示す。
以上の結果から,本手法は臨床医や医療従事者にとって有用である可能性が示唆された。
関連論文リスト
- A Self-Supervised Method for Body Part Segmentation and Keypoint Detection of Rat Images [0.0]
実験室ラットの手動ラベル付けの必要性を軽減する方法を提案する。
最終システムは、オブジェクトが密閉されている場合でも、例のセグメンテーション、キーポイント検出、およびボディ部分セグメンテーションが可能である。
論文 参考訳（メタデータ） (2024-05-07T20:11:07Z) - Tissue Artifact Segmentation and Severity Analysis for Automated
Diagnosis Using Whole Slide Images [0.0]
本稿では,畳み込みニューラルネットワークを用いたアーティファクト検出に重大度評価を取り入れたシステムを提案する。
提案システムはDoubleUNetを用いてアーティファクトを分割し、6つの微調整された畳み込みニューラルネットワークモデルのアンサンブルネットワークを用いて重大性を決定する。
論文 参考訳（メタデータ） (2024-01-01T19:58:36Z) - Hand Gesture Classification on Praxis Dataset: Trading Accuracy for
Expense [0.6390468088226495]
ボディージョイント座標で表される「骨格」データに、Praxデータセットから焦点を当てる。
PRAXISデータセットには、アルツハイマー病などの皮質病患者の記録が含まれている。
リカレントニューラルネットワーク(RNN)のような深層学習アーキテクチャとウィンドウニング手法を組み合わせることで,全体的な精度は70.8%に達した。
論文 参考訳（メタデータ） (2023-11-01T18:18:09Z) - Data-Driven Goal Recognition in Transhumeral Prostheses Using Process
Mining Techniques [7.95507524742396]
アクティブな義肢は、リアルに評価された連続的なセンサーデータを使用して、患者の標的のポーズや目標を認識し、人工肢を積極的に移動させる。
これまでの研究では、静止ポーズで収集されたデータが、時間ステップを考慮せずに、目標の識別にどの程度役立つかが研究されてきた。
我々のアプローチは、データを離散的なイベントに変換し、既存のプロセスマイニングベースのゴール認識システムを訓練することである。
論文 参考訳（メタデータ） (2023-09-15T02:03:59Z) - Towards Unifying Anatomy Segmentation: Automated Generation of a
Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。
提案手法はラベル集約段階において手作業によるアノテーションに依存しない。
我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
論文 参考訳（メタデータ） (2023-07-25T09:48:13Z) - 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) - Explainable AI and Machine Learning Towards Human Gait Deterioration
Analysis [0.0]
歩行データを客観的に分析し,臨床関連バイオマーカーと所見を関連づける。
physioNet.orgデータセット毎の98% F1 sc の分類精度と、組み合わせたphysioNetデータセットの95.5% F1スコアを達成する。
論文 参考訳（メタデータ） (2023-06-12T14:53:00Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳（メタデータ） (2022-04-26T14:20:26Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - 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)
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。