論文の概要: DS-MS-TCN: Otago Exercises Recognition with a Dual-Scale Multi-Stage
Temporal Convolutional Network
- arxiv url: http://arxiv.org/abs/2402.02910v1
- Date: Mon, 5 Feb 2024 11:25:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 16:32:57.027801
- Title: DS-MS-TCN: Otago Exercises Recognition with a Dual-Scale Multi-Stage
Temporal Convolutional Network
- Title(参考訳): DS-MS-TCN: デュアルスケール多段階時間畳み込みネットワークによるオタゴ運動認識
- Authors: Meng Shang, Lenore Dedeyne, Jolan Dupont, Laura Vercauteren, Nadjia
Amini, Laurence Lapauw, Evelien Gielen, Sabine Verschueren, Carolina Varon,
Walter De Raedt, Bart Vanrumste
- Abstract要約: オタゴ・エクササイズ・プログラム(OEP)は、高齢者向けの重要なリハビリテーションイニシアチブであり、バランスと強度を高めることを目的としている。
OEP認識のためのウェアラブルセンサを用いたこれまでの取り組みは、精度と堅牢性に関して制限があった。
本研究は,地域在住高齢者の日常生活におけるOEP運動を認識するために,腰に装着した慣性測定装置(IMU)を用いて,これらの制約に対処するものである。
- 参考スコア(独自算出の注目度): 1.0981016767527207
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The Otago Exercise Program (OEP) represents a crucial rehabilitation
initiative tailored for older adults, aimed at enhancing balance and strength.
Despite previous efforts utilizing wearable sensors for OEP recognition,
existing studies have exhibited limitations in terms of accuracy and
robustness. This study addresses these limitations by employing a single
waist-mounted Inertial Measurement Unit (IMU) to recognize OEP exercises among
community-dwelling older adults in their daily lives. A cohort of 36 older
adults participated in laboratory settings, supplemented by an additional 7
older adults recruited for at-home assessments. The study proposes a Dual-Scale
Multi-Stage Temporal Convolutional Network (DS-MS-TCN) designed for two-level
sequence-to-sequence classification, incorporating them in one loss function.
In the first stage, the model focuses on recognizing each repetition of the
exercises (micro labels). Subsequent stages extend the recognition to encompass
the complete range of exercises (macro labels). The DS-MS-TCN model surpasses
existing state-of-the-art deep learning models, achieving f1-scores exceeding
80% and Intersection over Union (IoU) f1-scores surpassing 60% for all four
exercises evaluated. Notably, the model outperforms the prior study utilizing
the sliding window technique, eliminating the need for post-processing stages
and window size tuning. To our knowledge, we are the first to present a novel
perspective on enhancing Human Activity Recognition (HAR) systems through the
recognition of each repetition of activities.
- Abstract(参考訳): オタゴ・エクササイズ・プログラム(OEP)は、バランスと強度を高めることを目的とした高齢者向けの重要なリハビリテーションイニシアチブである。
OEP認識にウェアラブルセンサーを用いた以前の研究にもかかわらず、既存の研究は精度と堅牢性に関して限界を示してきた。
本研究は,地域在住高齢者の日常生活におけるOEP運動を認識するために,腰に装着した慣性測定装置(IMU)を用いて,これらの制約に対処する。
36人の高齢者のコホートが実験に参加し、さらに7人の高齢者が自宅でのアセスメントに参加した。
本研究は,2段階のシーケンス・ツー・シーケンス分類のために設計したDual-Scale Multi-Stage Temporal Convolutional Network (DS-MS-TCN)を提案する。
第1段階では、モデルは各エクササイズ(マイクロラベル)の反復を認識することに集中する。
その後の段階は認識を拡張し、完全な範囲の運動(マクロラベル)を包含する。
DS-MS-TCNモデルは、既存の最先端ディープラーニングモデルを超え、f1スコアが80%以上、IoU(Intersection over Union) f1スコアが60%以上である。
特に、このモデルはスライディングウインドウ技術を用いた先行研究より優れており、後処理段階やウィンドウサイズ調整の必要性がなくなる。
本研究は,人間活動認識(har)システムを強化するための新たな視点を,各活動の反復認識を通じて提示する。
関連論文リスト
- Otago Exercises Monitoring for Older Adults by a Single IMU and
Hierarchical Machine Learning Models [1.0663633381202409]
本研究の目的は,高齢者を対象としたOtago Exercise Program(OEP)をモニタリングする,邪魔にならない,正確なシステムを構築することである。
腰に装着した慣性測定装置(IMU)を装着した高齢者のデータを収集した。
1) 深層学習モデルを用いて, 患者がOEPを実行しているか, 日常生活活動(ADL)を10分間スライディングウインドウを用いて認識するか, 2) ステージ1に基づいて6秒スライディングウインドウを用いてOEPサブクラスを認識する。
論文 参考訳(メタデータ) (2023-10-05T12:46:56Z) - Transparency in Sleep Staging: Deep Learning Method for EEG Sleep Stage
Classification with Model Interpretability [5.747465732334616]
本研究では,残差ネットワーク内に圧縮ブロックと励起ブロックを統合し,複雑な時間的依存関係を理解するために,特徴抽出と積み重ねBi-LSTMを組み込んだエンド・ツー・エンドディープラーニング(DL)モデルを提案する。
本研究の特筆すべき側面は、睡眠ステージングのためのGradCamの適応であり、この領域における説明可能なDLモデルの最初の事例であり、その決定と睡眠専門家の洞察の一致である。
論文 参考訳(メタデータ) (2023-09-10T17:56:03Z) - Effective Whole-body Pose Estimation with Two-stages Distillation [52.92064408970796]
全体ポーズ推定は、画像内の人体、手、顔、足のキーポイントをローカライズする。
textbfWhole-body textbfPose 推定器の2段階ポーズ textbfDistillation を提案し,その有効性と効率性について検討した。
論文 参考訳(メタデータ) (2023-07-29T03:49:28Z) - sEMG-based Hand Gesture Recognition with Deep Learning [0.0]
このマスター論文は、Unibo-INAILデータセットにおけるディープラーニングの最初の応用である。
健常者7名中8名を対象に, 腕の姿勢で手振りを6回実施した。
論文 参考訳(メタデータ) (2023-06-19T14:11:36Z) - Automated Fidelity Assessment for Strategy Training in Inpatient
Rehabilitation using Natural Language Processing [53.096237570992294]
戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。
標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。
本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
論文 参考訳(メタデータ) (2022-09-14T15:33:30Z) - Human Activity Recognition Using Cascaded Dual Attention CNN and
Bi-Directional GRU Framework [3.3721926640077795]
視覚に基づく人間の活動認識は、ビデオ分析領域において重要な研究領域の1つとして現れてきた。
本稿では,人間の行動認識における深部識別的空間的特徴と時間的特徴を利用した,計算的に効率的だが汎用的な空間時空間カスケードフレームワークを提案する。
提案手法は, 従来の動作認識手法と比較して, フレーム毎秒最大167倍の性能向上を実現している。
論文 参考訳(メタデータ) (2022-08-09T20:34:42Z) - Joint-bone Fusion Graph Convolutional Network for Semi-supervised
Skeleton Action Recognition [65.78703941973183]
本稿では,CD-JBF-GCNをエンコーダとし,ポーズ予測ヘッドをデコーダとして使用する新しい相関駆動型ジョイントボーン・フュージョングラフ畳み込みネットワークを提案する。
具体的には、CD-JBF-GCは、関節ストリームと骨ストリームの間の運動伝達を探索することができる。
自己教師型トレーニング段階におけるポーズ予測に基づくオートエンコーダにより、未ラベルデータから動作表現を学習することができる。
論文 参考訳(メタデータ) (2022-02-08T16:03:15Z) - On Exploring Pose Estimation as an Auxiliary Learning Task for
Visible-Infrared Person Re-identification [66.58450185833479]
本稿では,Pose Estimationを補助学習タスクとして活用して,エンドツーエンドフレームワークにおけるVI-ReIDタスクを支援する。
これら2つのタスクを相互に有利な方法で共同でトレーニングすることにより、高品質なモダリティ共有とID関連の特徴を学習する。
2つのベンチマークVI-ReIDデータセットの実験結果から,提案手法は一定のマージンで最先端の手法を継続的に改善することが示された。
論文 参考訳(メタデータ) (2022-01-11T09:44:00Z) - Persistent Reinforcement Learning via Subgoal Curricula [114.83989499740193]
VaPRL(Value-accelerated Persistent Reinforcement Learning)は、初期状態のカリキュラムを生成する。
VaPRLは、エピソード強化学習と比較して、3桁の精度で必要な介入を減らす。
論文 参考訳(メタデータ) (2021-07-27T16:39:45Z) - Machine Learning-based Classification of Active Walking Tasks in Older
Adults using fNIRS [2.0953361712358025]
機能的近赤外分光法(fNIRS)により測定された前頭前皮質における歩行の皮質制御は、年齢、性別、認知状態、および様々な年齢関連疾患によって抑制されている。
我々は、fNIRS信号に基づいて、高齢者のアクティブウォーキングタスクを分類するための機械学習手法を用いた分類モデルを開発した。
論文 参考訳(メタデータ) (2021-02-08T03:44:24Z) - Few-shot Action Recognition with Prototype-centered Attentive Learning [88.10852114988829]
2つの新しい構成要素からなるプロトタイプ中心型注意学習(pal)モデル。
まず,従来のクエリ中心学習目標を補完するために,プロトタイプ中心のコントラスト学習損失を導入する。
第二に、PALは注意深いハイブリッド学習機構を統合しており、アウトレーヤの負の影響を最小限に抑えることができる。
論文 参考訳(メタデータ) (2021-01-20T11:48:12Z)
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。