論文の概要: A comparative study on wearables and single-camera video for upper-limb
out-of-thelab activity recognition with different deep learning architectures
- arxiv url: http://arxiv.org/abs/2402.05958v1
- Date: Sun, 4 Feb 2024 19:45:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-18 14:21:02.936703
- Title: A comparative study on wearables and single-camera video for upper-limb
out-of-thelab activity recognition with different deep learning architectures
- Title(参考訳): 異なるディープラーニングアーキテクチャを用いた上肢外活動認識のためのウェアラブルとシングルカメラビデオの比較研究
- Authors: Mario Mart\'inez-Zarzuela, David Gonz\'alez-Ortega, M\'iriam
Ant\'on-Rodr\'iguez, Francisco Javier D\'iaz-Pernas, Henning M\"uller,
Cristina Sim\'on-Mart\'inez
- Abstract要約: IMU(High-end Inertial Measurement Unit)は、臨床および研究環境での身体活動の評価において、ますます人気が高まっている。
アウト・オブ・ザ・ラブ環境における患者追跡の実現可能性を高めるためには,移動獲得のためのデバイス数を減らす必要がある。
臨床関連データを認識・消化できる機械学習システムの開発が必要である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The use of a wide range of computer vision solutions, and more recently
high-end Inertial Measurement Units (IMU) have become increasingly popular for
assessing human physical activity in clinical and research settings.
Nevertheless, to increase the feasibility of patient tracking in out-of-the-lab
settings, it is necessary to use a reduced number of devices for movement
acquisition. Promising solutions in this context are IMU-based wearables and
single camera systems. Additionally, the development of machine learning
systems able to recognize and digest clinically relevant data in-the-wild is
needed, and therefore determining the ideal input to those is crucial.
- Abstract(参考訳): 幅広いコンピュータビジョンソリューションの使用や、より最近のハイエンドの慣性計測ユニット(IMU)は、臨床および研究環境における人間の身体活動を評価するためにますます人気が高まっている。
それにもかかわらず、手術室外における患者追跡の実現性を高めるためには、移動取得に少数のデバイスを使用する必要がある。
このコンテキストにおけるプロムリングソリューションは、IMUベースのウェアラブルとシングルカメラシステムである。
さらに、臨床関連データを認識・消化できる機械学習システムの開発も必要であり、それに対する理想的な入力を決定することが重要である。
関連論文リスト
- Training Small Multimodal Models to Bridge Biomedical Competency Gap: A
Case Study in Radiology Imaging [114.43429928419755]
バイオメディカル・コンピテンシー・ギャップを橋渡しするオープンソース小型マルチモーダル・モデル(SMM)の訓練について検討する。
LLaVA-Radは高速で、単一のV100 GPU上でプライベート設定で実行できる。
論文 参考訳(メタデータ) (2024-03-12T18:12:02Z) - fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for
Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。
我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。
コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文 参考訳(メタデータ) (2023-11-01T07:24:22Z) - Learning Through Guidance: Knowledge Distillation for Endoscopic Image
Classification [40.366659911178964]
内視鏡は消化管(GI)の根底にある異常を同定する上で重要な役割を担っている。
ディープラーニング、特にCNN(Convolution Neural Networks)は、従来の機能エンジニアリングを使わずに自動機能学習を実行するように設計されている。
KDに基づく3つの学習フレームワーク、応答ベース、特徴ベース、関係ベースメカニズムについて検討し、関係ベース学習を支援するために、新しい多面的注意型特徴融合機構を導入する。
論文 参考訳(メタデータ) (2023-08-17T02:02:11Z) - Yet Another ICU Benchmark: A Flexible Multi-Center Framework for
Clinical ML [0.8458496687170665]
Another ICU Benchmark (YAIB) は、再現性と同等の臨床ML実験を定義するためのモジュラーフレームワークである。
YAIBは、ほとんどのオープンアクセスICUデータセット(MIMIC III/IV、eICU、HiRID、AUMCdb)をサポートし、将来のICUデータセットに容易に適応できる。
データセットの選択,コホート定義,前処理が予測性能に大きな影響を及ぼすことを示す。
論文 参考訳(メタデータ) (2023-06-08T11:16:20Z) - Efficient Personalized Learning for Wearable Health Applications using
HyperDimensional Computing [10.89988703152759]
超次元コンピューティング(HDC)は、リソース制約のあるデバイスによく適合したデバイス上での学習ソリューションを提供する。
我々のシステムは、最先端のDeep Neural Network(DNN)アルゴリズムと比較して、トレーニングのエネルギー効率を最大45.8倍に向上させる。
論文 参考訳(メタデータ) (2022-08-01T18:49:15Z) - Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。
医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。
外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
論文 参考訳(メタデータ) (2022-07-01T14:17:11Z) - PosePipe: Open-Source Human Pose Estimation Pipeline for Clinical
Research [0.0]
我々は臨床現場で取得したデータに対して最先端のアルゴリズムの実行を容易にする人間のポーズ推定パイプラインを開発する。
本研究の目的は,新しいアルゴリズムの訓練ではなく,臨床・翻訳研究における最先端のポーズ推定アルゴリズムの活用を推し進めることである。
論文 参考訳(メタデータ) (2022-03-16T17:54:37Z) - 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) - GaNDLF: A Generally Nuanced Deep Learning Framework for Scalable
End-to-End Clinical Workflows in Medical Imaging [76.38169390121057]
コミュニティ主導型汎用ディープラーニングフレームワークGaNDLF(Generally Nuanced Deep Learning Framework)について紹介する。
GaNDLFは、DL開発、トレーニング、推論のメカニズムをより安定させ、再現可能で、解釈可能で、スケーラブルにする。
放射線画像と病理画像の両方をGaNDLFで解析し,k-foldクロスバリデーションをサポートした。
論文 参考訳(メタデータ) (2021-02-26T02:24:52Z) - Domain Shift in Computer Vision models for MRI data analysis: An
Overview [64.69150970967524]
機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。
しかし、現在臨床応用はごくわずかである。
異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
論文 参考訳(メタデータ) (2020-10-14T16:34:21Z) - AP-MTL: Attention Pruned Multi-task Learning Model for Real-time
Instrument Detection and Segmentation in Robot-assisted Surgery [23.33984309289549]
高解像度画像の検出とセグメンテーションのためのリアルタイムロボットシステムの訓練は、限られた計算資源で難しい問題となる。
重み付きエンコーダとタスク認識検出とセグメンテーションデコーダを備えた,エンドツーエンドのトレーニング可能なリアルタイムマルチタスク学習モデルを開発した。
我々のモデルは最先端のセグメンテーションモデルや検出モデルよりも優れており、最も優れたモデルもその課題である。
論文 参考訳(メタデータ) (2020-03-10T14:24:51Z)
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。