論文の概要: Enhancing Joint Motion Prediction for Individuals with Limb Loss Through Model Reprogramming

• arxiv url: http://arxiv.org/abs/2403.06569v2
• Date: Tue, 12 Mar 2024 11:40:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 11:22:45.450952
• Title: Enhancing Joint Motion Prediction for Individuals with Limb Loss Through Model Reprogramming
• Title（参考訳）: モデル再プログラミングによる肢喪失者の関節運動予測の促進
• Authors: Sharmita Dey, Sarath R. Nair
• Abstract要約: 手足の喪失による運動障害は、世界中の何百万人もの個人が直面している重要な課題である。 人工装具などの高度な補助技術の開発は、切断者の生活の質を大幅に向上させる可能性がある。 このような技術の設計において重要な要素は、行方不明肢の基準関節運動の正確な予測である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Mobility impairment caused by limb loss is a significant challenge faced by millions of individuals worldwide. The development of advanced assistive technologies, such as prosthetic devices, has the potential to greatly improve the quality of life for amputee patients. A critical component in the design of such technologies is the accurate prediction of reference joint motion for the missing limb. However, this task is hindered by the scarcity of joint motion data available for amputee patients, in contrast to the substantial quantity of data from able-bodied subjects. To overcome this, we leverage deep learning's reprogramming property to repurpose well-trained models for a new goal without altering the model parameters. With only data-level manipulation, we adapt models originally designed for able-bodied people to forecast joint motion in amputees. The findings in this study have significant implications for advancing assistive tech and amputee mobility.
• Abstract（参考訳）: 肢の喪失による運動障害は、世界中の何百万人もの個人が直面する大きな課題である。 人工装具などの高度な補助技術の開発は、切断患者の生活の質を大幅に改善する可能性がある。 このような技術の設計において重要な要素は、欠損肢に対する基準関節運動の正確な予測である。 しかし、この課題は、有能な身体障害者からのかなりの量のデータとは対照的に、切断患者に利用可能な関節運動データの不足によって妨げられている。 これを克服するために,我々はディープラーニングのリプログラミング特性を活用して,モデルのパラメータを変更することなく,トレーニングされたモデルを新たな目標のために再利用する。 データレベルの操作だけで、元々は身体障害者向けに設計されたモデルをアンシュートでの関節運動を予測するように適応させます。 本研究の成果は, 補助技術の進歩と切断者の移動性に有意な影響を及ぼす。

関連論文リスト

• A Medical Low-Back Pain Physical Rehabilitation Dataset for Human Body Movement Analysis [0.6990493129893111]
  本稿では,低背痛リハビリテーションを施行した臨床患者の医療データセットについて,4つの課題に対処し,提案する。 データセットには、3D Kinectスケルトンの位置と向き、RGBビデオ、2Dスケルトンデータ、正確性を評価するための医用アノテーション、身体部分とタイムパンのエラー分類とローカライゼーションが含まれている。
  論文  参考訳（メタデータ） (2024-06-29T19:50:06Z)
• Enhancing Activity Recognition After Stroke: Generative Adversarial Networks for Kinematic Data Augmentation [0.0]
  脳卒中リハビリテーションにおけるウェアラブルモニタリングのための機械学習モデルの一般化可能性はしばしば、利用可能なデータの限られたスケールと不均一性によって制限される。 データ拡張は、トレーニングセットに表される変動性を強化するために、実際のデータに計算的に導出されたデータを追加することで、この課題に対処する。 本研究では、CGAN(Conditional Generative Adversarial Networks)を用いて、公開データセットから合成キネマティックデータを生成する。 合成データと実験データの両方でディープラーニングモデルを訓練することにより、タスク分類精度を向上させる:実データのみを訓練したモデルでは66.1%よりもはるかに高い80.0%の精度で合成データを組み込んだモデル。
  論文  参考訳（メタデータ） (2024-06-12T15:51:00Z)
• Continual Imitation Learning for Prosthetic Limbs [0.7922558880545526]
  モーター付きバイオニック手足は約束を提供するが、その実用性は様々な環境での人間の運動の進化する相乗効果を模倣することに依存する。 本稿では, カメラを用いたモーションキャプチャとウェアラブルセンサデータを活用したバイオニック補綴用アプリケーションの新しいモデルを提案する。 本稿では,マルチタスク,継続的な適応,動きの予測,移動の洗練が可能なモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-02T09:22:54Z)
• Learning Realistic Joint Space Boundaries for Range of Motion Analysis of Healthy and Impaired Human Arms [0.5530212768657544]
  本研究では,現実的な解剖学的制約のある上層域の運動境界を,モーションキャプチャーデータから学習するためのデータ駆動手法を提案する。 また,健常腕と障害腕の比較において,能力・障害の定量的評価を行う指標(II)を提案する。
  論文  参考訳（メタデータ） (2023-11-17T17:14:42Z)
• The online learning architecture with edge computing for high-level control for assisting patients [3.1084001733555584]
  脊髄損傷、脳卒中、変性疾患などの疾患による移動障害の頻度は世界中で上昇している。 下肢のエキソ骨格は、このような障害のある個人に対する移動性とリハビリテーションを強化するための有効な解決策として、ますます認識されている。 既存のエクソスケルトン制御システムは、レイテンシ、適応性の欠如、計算不効率といった制限に悩まされることが多い。 本稿では,高レベル低域外骨格制御のためのエッジコンピューティングと統合された新しいオンライン対角学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-09-10T20:30:03Z)
• 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)
• Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers [69.81176740997175]
  術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。 以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-06-01T14:08:05Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• NiLBS: Neural Inverse Linear Blend Skinning [59.22647012489496]
  本稿では, 従来のスキン加工技術を用いて, ポーズによってパラメータ化されたニューラルネットワークを用いて変形を反転させる手法を提案する。 これらの変形を逆転する能力は、例えば距離関数、符号付き距離関数、占有率)の値を静止ポーズで事前計算し、文字が変形したときに効率的にクエリすることができる。
  論文  参考訳（メタデータ） (2020-04-06T20:46:37Z)
• Anatomy-aware 3D Human Pose Estimation with Bone-based Pose Decomposition [92.99291528676021]
  3次元関節位置を直接回帰するのではなく,骨方向予測と骨長予測に分解する。 私たちのモチベーションは、人間の骨格の骨の長さが時間とともに一定であることにあります。 我々の完全なモデルは、Human3.6MとMPI-INF-3DHPデータセットにおいて、以前の最高の結果よりも優れています。
  論文  参考訳（メタデータ） (2020-02-24T15:49:37Z)

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。