論文の概要: A Medical Low-Back Pain Physical Rehabilitation Dataset for Human Body Movement Analysis
- arxiv url: http://arxiv.org/abs/2407.00521v1
- Date: Sat, 29 Jun 2024 19:50:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-04 02:46:30.879091
- Title: A Medical Low-Back Pain Physical Rehabilitation Dataset for Human Body Movement Analysis
- Title（参考訳）: 身体運動解析のための医療用低背痛リハビリテーションデータセット
- Authors: Sao Mai Nguyen, Maxime Devanne, Olivier Remy-Neris, Mathieu Lempereur, André Thepaut,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.6990493129893111
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While automatic monitoring and coaching of exercises are showing encouraging results in non-medical applications, they still have limitations such as errors and limited use contexts. To allow the development and assessment of physical rehabilitation by an intelligent tutoring system, we identify in this article four challenges to address and propose a medical dataset of clinical patients carrying out low back-pain rehabilitation exercises. The dataset includes 3D Kinect skeleton positions and orientations, RGB videos, 2D skeleton data, and medical annotations to assess the correctness, and error classification and localisation of body part and timespan. Along this dataset, we perform a complete research path, from data collection to processing, and finally a small benchmark. We evaluated on the dataset two baseline movement recognition algorithms, pertaining to two different approaches: the probabilistic approach with a Gaussian Mixture Model (GMM), and the deep learning approach with a Long-Short Term Memory (LSTM). This dataset is valuable because it includes rehabilitation relevant motions in a clinical setting with patients in their rehabilitation program, using a cost-effective, portable, and convenient sensor, and because it shows the potential for improvement on these challenges.
- Abstract（参考訳）: エクササイズの自動監視とコーチングは、非医療的アプリケーションでは奨励的な結果を示しているが、エラーや限られたユースケースコンテキストといった制限は依然として残っている。
知的チュータリングシステムによる身体リハビリテーションの発達と評価を可能にするため,本論文では,低背痛リハビリテーション演習を行う臨床患者の医療データセットに対処する4つの課題を特定し,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。
このデータセットに沿って、データ収集から処理まで、そして最後に小さなベンチマークまで、完全な研究パスを実行します。
本研究では,ガウス混合モデル(GMM)による確率的アプローチと,長短項記憶(LSTM)を用いたディープラーニングアプローチの2つの異なるアプローチについて,データセットの2つのベースライン運動認識アルゴリズムについて検討した。
このデータセットは、費用対効果、携帯性、便利なセンサーを用いて、リハビリテーションプログラムの患者との臨床環境でのリハビリテーションに関連する動きを含み、これらの課題を改善する可能性を示すため、有用である。
関連論文リスト
- Analyzing Data Efficiency and Performance of Machine Learning Algorithms for Assessing Low Back Pain Physical Rehabilitation Exercises [1.3949483425295313]
ロボットコーチシステムを用いた身体リハビリの文脈における人間の動作分析に焦点をあてる。
この評価は、以前ロボットPoppyが指導した低背痛リハビリテーション演習を行う臨床患者の医療データベース上で実施される。
論文 参考訳（メタデータ） (2024-08-05T22:49:20Z) - D-STGCNT: A Dense Spatio-Temporal Graph Conv-GRU Network based on
transformer for assessment of patient physical rehabilitation [0.3626013617212666]
本稿では,リハビリテーション演習を評価するための新しいグラフベースモデルを提案する。
デンス接続とGRU機構は、大きな3Dスケルトン入力を迅速に処理するために使用される。
KIMOREおよびUI-PRMDデータセットに対する提案手法の評価は,その可能性を強調した。
論文 参考訳（メタデータ） (2023-12-21T00:38:31Z) - Design, Development, and Evaluation of an Interactive Personalized
Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。
このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。
我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
論文 参考訳（メタデータ） (2023-05-12T17:37:04Z) - Rehabilitation Exercise Repetition Segmentation and Counting using
Skeletal Body Joints [6.918076156491651]
本稿では,患者が実施するリハビリテーション運動の繰り返しを分割・数えるための新しいアプローチを提案する。
骨格の関節は、深度カメラまたは患者のRGBビデオに適用されたコンピュータビジョン技術によって取得することができる。
様々なシーケンシャルニューラルネットワークは、骨格体関節の配列を分析し、繰り返しセグメンテーションとカウントを行うように設計されている。
論文 参考訳（メタデータ） (2023-04-19T15:22:15Z) - 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) - Towards Stroke Patients' Upper-limb Automatic Motor Assessment Using
Smartwatches [5.132618393976799]
スマートウォッチを用いて脳卒中患者に対する上肢評価パイプラインを設計することを目的としている。
本研究の目的は,Fugl-Meyerアセスメント尺度に触発された4つの重要な動きを自動的に検出し,認識することである。
論文 参考訳（メタデータ） (2022-12-09T14:00:49Z) - Vogtareuth Rehab Depth Datasets: Benchmark for Marker-less Posture
Estimation in Rehabilitation [55.41644538483948]
本研究では,リハビリテーションを行う患者の深度画像と2次元ポーズ情報を含む2つのリハビリテーション特異的ポーズデータセットを提案する。
我々は、非リハブベンチマークデータセットに基づいてトレーニングされた、最先端のマーカーレス姿勢推定モデルを用いている。
私たちのデータセットは、リハビリ特有の複雑な姿勢を検出するために、ポーズモデルを訓練するのに使用できます。
論文 参考訳（メタデータ） (2021-08-23T16:18:26Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳（メタデータ） (2020-07-07T21:04:55Z) - A Review of Computational Approaches for Evaluation of Rehabilitation
Exercises [58.720142291102135]
本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。
エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
論文 参考訳（メタデータ） (2020-02-29T22:18:56Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。