論文の概要: Deep-learning-based identification of individual motion characteristics from upper-limb trajectories towards disorder stage evaluation

• arxiv url: http://arxiv.org/abs/2412.12016v1
• Date: Mon, 16 Dec 2024 17:41:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 14:02:19.282966
• Title: Deep-learning-based identification of individual motion characteristics from upper-limb trajectories towards disorder stage evaluation
• Title（参考訳）: 深層学習に基づく上肢軌跡からの個々の運動特性の同定と障害ステージ評価
• Authors: Tim Sziburis, Susanne Blex, Tobias Glasmachers, Ioannis Iossifidis,
• Abstract要約: 本研究では,タスク空間で計測された3次元上肢輸送軌跡のデータセットを用いて,個々の動作パターンを識別するための予備的研究を行う。 本研究では,9のサブセットに対して約95%の分類精度を達成し,31人のフルセットに対して約78%の分類精度を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The identification of individual movement characteristics sets the foundation for the assessment of personal rehabilitation progress and can provide diagnostic information on levels and stages of movement disorders. This work presents a preliminary study for differentiating individual motion patterns using a dataset of 3D upper-limb transport trajectories measured in task-space. Identifying individuals by deep time series learning can be a key step to abstracting individual motion properties. In this study, a classification accuracy of about 95% is reached for a subset of nine, and about 78% for the full set of 31 individuals. This provides insights into the separability of patient attributes by exerting a simple standardized task to be transferred to portable systems.
• Abstract（参考訳）: 個人の運動特性の同定は、個人のリハビリテーションの進展を評価するための基盤を設定し、運動障害のレベルとステージに関する診断情報を提供する。 本研究では,タスク空間で計測された3次元上肢輸送軌跡のデータセットを用いて,個々の動作パターンを識別するための予備的研究を行う。 ディープ・タイム・シリーズ・ラーニングによって個人を識別することは、個々の運動特性を抽象化するための重要なステップである。 本研究では,9のサブセットに対して約95%の分類精度を達成し,31人のフルセットに対して約78%の分類精度を達成した。 これにより、患者属性の分離性に関する洞察が提供され、ポータブルシステムに移行するための単純な標準化されたタスクが実行されます。

関連論文リスト

• Sequence-aware Pre-training for Echocardiography Probe Guidance [66.35766658717205]
  心臓超音波は、(1)心臓の本質的に複雑な構造、(2)重要な個人差の2つの大きな課題に直面している。 これまでの研究は、心臓のパーソナライズされた構造的特徴よりも、心臓の2Dおよび3Dの人口平均構造についてしか学ばなかった。 パーソナライズされた2次元と3次元の心構造特徴を学習するためのシーケンス認識型自己教師付き事前学習法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T12:55:54Z)
• GaitMotion: A Multitask Dataset for Pathological Gait Forecasting [8.305371944195384]
  GaitMotionは、ウェアラブルセンサーを活用するデータセットで、患者のリアルタイムな動きを病理学的な歩行で捉えます。 このデータセットは、ステップ/ストライドのセグメンテーションやステップ/ストライドの長さの予測など、複数のタスクに対して、広範な地上構造ラベリングを提供する。 このウェアラブル歩行分析スーツは、正常と病理の両方の歩行周期、パターン、パラメータをキャプチャする。
  論文  参考訳（メタデータ） (2024-05-09T14:45:02Z)
• MR-STGN: Multi-Residual Spatio Temporal Graph Network Using Attention Fusion for Patient Action Assessment [0.3626013617212666]
  MR-STGN(Multi-Residual Spatio Temporal Graph Network)を用いた患者行動評価の自動化手法を提案する。 MR-STGNは患者行動のダイナミクスを捉えるように設計されている。 リアルタイムの患者行動スコアを正確に予測する上で,UI-PRMDデータセットの性能を示すモデルについて検討した。
  論文  参考訳（メタデータ） (2023-12-21T01:09:52Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• 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)
• Easing Automatic Neurorehabilitation via Classification and Smoothness Analysis [1.44744639843118]
  本稿では,浅い深層学習アーキテクチャを用いて患者の動作を認識することから始まる自動評価パイプラインを提案する。 この研究の特筆すべき点は、Fugl-Meyerからインスパイアされた動きを、脳卒中患者によく見られる上肢臨床脳卒中評価尺度として表現するため、使用されるデータセットが臨床的に関連している点である。 本研究は, リハビリテーションセッションにおける患者の経過について, 臨床医の所見に応じた結論を得るとともに, 平滑性の観点から, 健常者と患者の運動のコントラストを検出することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-12-09T13:59:14Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• An Activity Recognition Framework for Continuous Monitoring of Non-Steady-State Locomotion of Individuals with Parkinson's Disease [0.9137554315375922]
  ユーザに依存しない, ユーザに依存しないトレーニングパラダイムを用いて, 様々な下/上/上/下/上からの加速度情報およびジャイロスコープ情報の性能を検証した。 LSTMを用いて、主観非依存トレーニングにおける情報のサブセット(例えば足のデータ)でさえ、F1スコア > 0.8 を提供するように見えた。
  論文  参考訳（メタデータ） (2021-10-08T20:35:45Z)
• Stroke recovery phenotyping through network trajectory approaches and graph neural networks [0.966840768820136]
  トラジェクトリプロファイルクラスタリング (TPC) 法を用いて, NINDS tPAトライアルのデータを分析し, 異なる脳卒中回復パターンを同定する。 臨床的に関連のある脳卒中症候群と一致した3つの異なる脳卒中軌跡について検討した。
  論文  参考訳（メタデータ） (2021-09-29T18:46:08Z)
• 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)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。