論文の概要: A Personalized Video-Based Hand Taxonomy: Application for Individuals with Spinal Cord Injury

• arxiv url: http://arxiv.org/abs/2403.18094v1
• Date: Tue, 26 Mar 2024 20:30:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-28 21:05:06.576797
• Title: A Personalized Video-Based Hand Taxonomy: Application for Individuals with Spinal Cord Injury
• Title（参考訳）: 個人化されたビデオベース手指分類法 : 脊髄損傷者への適用
• Authors: Mehdy Dousty, David J. Fleet, José Zariffa,
• Abstract要約: 脊髄損傷(SCI)は手機能に障害があり、独立性を低下させる。 本研究の目的は,セマンティッククラスタリングを用いて,エゴセントリックビデオにおける支配的な手の動きを自動的に識別することである。 姿勢と外観データを統合した深層学習モデルを用いて、パーソナライズされた手分類を作成した。
• 参考スコア（独自算出の注目度）: 14.062874246796687
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Hand function is critical for our interactions and quality of life. Spinal cord injuries (SCI) can impair hand function, reducing independence. A comprehensive evaluation of function in home and community settings requires a hand grasp taxonomy for individuals with impaired hand function. Developing such a taxonomy is challenging due to unrepresented grasp types in standard taxonomies, uneven data distribution across injury levels, and limited data. This study aims to automatically identify the dominant distinct hand grasps in egocentric video using semantic clustering. Egocentric video recordings collected in the homes of 19 individual with cervical SCI were used to cluster grasping actions with semantic significance. A deep learning model integrating posture and appearance data was employed to create a personalized hand taxonomy. Quantitative analysis reveals a cluster purity of 67.6% +- 24.2% with with 18.0% +- 21.8% redundancy. Qualitative assessment revealed meaningful clusters in video content. This methodology provides a flexible and effective strategy to analyze hand function in the wild. It offers researchers and clinicians an efficient tool for evaluating hand function, aiding sensitive assessments and tailored intervention plans.
• Abstract（参考訳）: ハンドファンクションは、私たちの相互作用と生活の質に不可欠です。 脊髄損傷(SCI)は手機能に障害があり、独立性を低下させる。 家庭や地域社会における機能評価には,手の機能障害のある個人に対する手つかみ分類が必要である。 このような分類法の開発は、標準的な分類体系における未表現の把握タイプ、損傷レベルの不均一なデータ分布、限られたデータによって困難である。 本研究の目的は,セマンティッククラスタリングを用いて,エゴセントリックビデオにおける支配的な手の動きを自動的に識別することである。 頚椎SCI患者19人の家庭で収集したエゴセントリックなビデオ記録を用いて,意味的意味を持った把握行動のクラスタリングを行った。 姿勢と外観データを統合した深層学習モデルを用いて、パーソナライズされた手分類を作成した。 定量分析により、クラスター純度は67.6%+-24.2%で、18.0%+-21.8%の冗長性を示す。 質的評価により,映像コンテンツに意味のあるクラスターが認められた。 この方法論は、野生のハンドファンクションを分析するための柔軟で効果的な戦略を提供する。 研究者や臨床医は、手の機能を評価し、機密性の高い評価を支援し、介入計画を調整するための効率的なツールを提供する。

関連論文リスト

• Explaining Human Activity Recognition with SHAP: Validating Insights with Perturbation and Quantitative Measures [0.1398098625978622]
  本稿では SHapley Additive exPlanations を用いてグラフ畳み込みネットワーク(GCN)の意思決定プロセスを説明する。 我々は、脳性麻痺(CP)分類のための2つの実世界のデータセットと、広く使われているNTU RGB+D 60行動認識データセットについて、SHAPを用いて説明する。 どちらのデータセットでも、SHAPによって重要視されるボディキーポイントが、正確性、特異性、感度の指標に最も大きな影響を与えることが示されている。
  論文  参考訳（メタデータ） (2024-11-06T07:28:57Z)
• Feature graphs for interpretable unsupervised tree ensembles: centrality, interaction, and application in disease subtyping [0.24578723416255746]
  特徴の選択は、モデルの解釈可能性を高める上で重要な役割を担います。 決定木を集約することで得られる精度は、解釈可能性の犠牲となる。 この研究では、教師なしランダムな森林から特徴グラフを構築するための新しい手法を紹介した。
  論文  参考訳（メタデータ） (2024-04-27T12:47:37Z)
• Evaluating the Fairness of the MIMIC-IV Dataset and a Baseline Algorithm: Application to the ICU Length of Stay Prediction [65.268245109828]
  本稿では、MIMIC-IVデータセットを用いて、滞在時間を予測するXGBoostバイナリ分類モデルにおける公平性とバイアスについて検討する。 この研究は、人口統計属性にわたるデータセットのクラス不均衡を明らかにし、データ前処理と特徴抽出を採用する。 この論文は、偏見を緩和するための公正な機械学習技術と、医療専門家とデータサイエンティストの協力的な努力の必要性について結論付けている。
  論文  参考訳（メタデータ） (2023-12-31T16:01:48Z)
• Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
  社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。 ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
  論文  参考訳（メタデータ） (2023-09-13T15:42:06Z)
• 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)
• Dataset Bias in Human Activity Recognition [57.91018542715725]
  このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。 時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-19T12:33:50Z)
• Recognizing Hand Use and Hand Role at Home After Stroke from Egocentric Video [0.0]
  エゴセントリックなビデオは、コンテキスト内で手と物体のインタラクションをキャプチャし、より影響のある手の使用方法を示す。 脳卒中後の自宅で録画された自我中心のビデオから、人工知能ベースのコンピュータビジョンを用いて、手の使用と手の役割を分類する。
  論文  参考訳（メタデータ） (2022-07-18T20:15:29Z)
• Measuring hand use in the home after cervical spinal cord injury using egocentric video [2.1064122195521926]
  エゴセントリックビデオは、コミュニティで四肢麻痺を患っている人の手機能モニタリングの潜在的な解決策として登場した。 四肢麻痺児の在宅における手指使用量を測定するウェアラブル・ビジョン・ベース・システムの開発と評価を行った。
  論文  参考訳（メタデータ） (2022-03-31T12:43:23Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Deep learning-based COVID-19 pneumonia classification using chest CT images: model generalizability [54.86482395312936]
  深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。 我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。 複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
  論文  参考訳（メタデータ） (2021-02-18T21:14:52Z)
• ROIAL: Region of Interest Active Learning for Characterizing Exoskeleton Gait Preference Landscapes [64.87637128500889]
  興味あるアクティブラーニング(ROIAL)フレームワークの領域は、関心のある領域を通じて、各ユーザの基盤となるユーティリティ関数を積極的に学習する。 ROIALは、絶対的な数値スコアよりも信頼性の高いフィードバックメカニズムである順序と選好のフィードバックから学習する。 以上の結果から,限られた人為的試行から歩行実用景観を回復できる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-11-09T22:45:58Z)

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。