論文の概要: SkelMamba: A State Space Model for Efficient Skeleton Action Recognition of Neurological Disorders

• arxiv url: http://arxiv.org/abs/2411.19544v1
• Date: Fri, 29 Nov 2024 08:43:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-02 15:22:52.420411
• Title: SkelMamba: A State Space Model for Efficient Skeleton Action Recognition of Neurological Disorders
• Title（参考訳）: SkelMamba:神経疾患の効率的な骨格行動認識のための状態空間モデル
• Authors: Niki Martinel, Mariano Serrao, Christian Micheloni,
• Abstract要約: 骨格に基づく人間行動認識のための新しい状態空間モデル(SSM)を提案する。 本モデルでは,複数部位にわたる局所的な関節相互作用と大域的な運動パターンを捉える。 この歩行認識分解は、診断において重要な微妙な動きパターンを識別する能力を高める。
• 参考スコア（独自算出の注目度）: 14.304356695180005
• License:
• Abstract: We introduce a novel state-space model (SSM)-based framework for skeleton-based human action recognition, with an anatomically-guided architecture that improves state-of-the-art performance in both clinical diagnostics and general action recognition tasks. Our approach decomposes skeletal motion analysis into spatial, temporal, and spatio-temporal streams, using channel partitioning to capture distinct movement characteristics efficiently. By implementing a structured, multi-directional scanning strategy within SSMs, our model captures local joint interactions and global motion patterns across multiple anatomical body parts. This anatomically-aware decomposition enhances the ability to identify subtle motion patterns critical in medical diagnosis, such as gait anomalies associated with neurological conditions. On public action recognition benchmarks, i.e., NTU RGB+D, NTU RGB+D 120, and NW-UCLA, our model outperforms current state-of-the-art methods, achieving accuracy improvements up to $3.2\%$ with lower computational complexity than previous leading transformer-based models. We also introduce a novel medical dataset for motion-based patient neurological disorder analysis to validate our method's potential in automated disease diagnosis.
• Abstract（参考訳）: 本研究では,骨格に基づくヒト行動認識のための新しい状態空間モデル(SSM)を,臨床診断と一般行動認識の両タスクにおける最先端性能を向上させる解剖学的誘導型アーキテクチャで導入する。 本手法は, 筋運動解析を空間, 時空間, 時空間, 時空間に分解し, チャネル分割を用いて, 異なる運動特性を効果的に捉える。 SSM内に構造化された多方向走査戦略を実装することにより,複数の解剖学的身体部位にわたる局所的な関節相互作用と大域的な運動パターンを抽出する。 この解剖学的に認識された分解は、神経疾患に関連する歩行異常などの医学的診断において重要な微妙な動きパターンを識別する能力を高める。 NTU RGB+D、NTU RGB+D 120、NW-UCLAといった公共行動認識ベンチマークでは、我々のモデルは現在の最先端の手法よりも優れており、従来のトランスフォーマーベースモデルよりも複雑性が低い3.2\%の精度向上を実現している。 また, 運動に基づく患者神経疾患解析のための新しい医療データセットを導入し, 自動診断における方法の可能性を検証する。

関連論文リスト

• CATD: Unified Representation Learning for EEG-to-fMRI Cross-Modal Generation [6.682531937245544]
  本稿では,ニューロイメージングの終端から終端までのクロスモーダル合成のための条件付き時間拡散(CATD)フレームワークを提案する。 提案フレームワークは、ニューロイメージングのクロスモーダル合成のための新しいパラダイムを確立する。 パーキンソン病の予測を改善し、異常な脳領域を同定するといった医療応用の可能性を示している。
  論文  参考訳（メタデータ） (2024-07-16T11:31:38Z)
• Spatiotemporal Graph Neural Network Modelling Perfusion MRI [12.712005118761516]
  Per vascular MRI (pMRI) は腫瘍について貴重な洞察を与え、腫瘍の遺伝子型を予測することを約束する。 しかし、4D pMRIに合わせた効果的なモデルはまだ不足している。 本研究は,GNNモデルを用いた4次元pMRIのモデル化の試みである。
  論文  参考訳（メタデータ） (2024-06-10T16:24:46Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• CPT-Interp: Continuous sPatial and Temporal Motion Modeling for 4D Medical Image Interpolation [22.886841531680567]
  4D医療画像からの運動情報は、臨床評価と放射線治療計画のための患者解剖学の動的変化に関する重要な洞察を提供する。 しかし、画像ハードウェアの物理的および技術的な制約は、時間分解能と画質の妥協を必要とすることが多い。 暗黙的神経表現を用いた患者解剖運動を連続的にモデル化するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-24T09:35:42Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
  筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。 このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。 また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
  論文  参考訳（メタデータ） (2024-04-16T02:18:18Z)
• Neural Ordinary Differential Equation based Sequential Image Registration for Dynamic Characterization [13.492983263194636]
  この拡張研究は、このフレームワークがシーケンシャルな生物学的プロセスのキャラクタリゼーションにどのように役立つかを論じる。 我々の枠組みは、ボクセルを力学系の粒子とみなし、ニューラル微分方程式の積分による変形場を定義する。 心臓運動追跡用と経時的脳MRI画像解析用の2つの臨床データセットについて検討した。
  論文  参考訳（メタデータ） (2024-04-02T17:04:45Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)

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。