論文の概要: Towards nation-wide analytical healthcare infrastructures: A privacy-preserving augmented knee rehabilitation case study

• arxiv url: http://arxiv.org/abs/2412.20733v1
• Date: Mon, 30 Dec 2024 06:14:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 16:07:54.026712
• Title: Towards nation-wide analytical healthcare infrastructures: A privacy-preserving augmented knee rehabilitation case study
• Title（参考訳）: 全国的な分析医療インフラを目指して--プライバシ保護型膝リハビリテーション事例研究
• Authors: Boris Bačić, Claudiu Vasile, Chengwei Feng, Marian G. Ciucă,
• Abstract要約: 本稿では,近い将来のプライバシ保護型ビッグデータ分析医療プラットフォームに貢献する。 実験には、実生活の膝リハビリテーションビデオデータセットが含まれる。 モバイルから動画をプライバシー保護の診断タイムリーデータに変換するために,Google MediaPipeのポーズ推定を採用した。 開発した概念実証アルゴリズムは、患者にスティックフィギュア要素をオーバーレイすることで、膝運動ビデオを強化することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The purpose of this paper is to contribute towards the near-future privacy-preserving big data analytical healthcare platforms, capable of processing streamed or uploaded timeseries data or videos from patients. The experimental work includes a real-life knee rehabilitation video dataset capturing a set of exercises from simple and personalised to more general and challenging movements aimed for returning to sport. To convert video from mobile into privacy-preserving diagnostic timeseries data, we employed Google MediaPipe pose estimation. The developed proof-of-concept algorithms can augment knee exercise videos by overlaying the patient with stick figure elements while updating generated timeseries plot with knee angle estimation streamed as CSV file format. For patients and physiotherapists, video with side-to-side timeseries visually indicating potential issues such as excessive knee flexion or unstable knee movements or stick figure overlay errors is possible by setting a-priori knee-angle parameters. To address adherence to rehabilitation programme and quantify exercise sets and repetitions, our adaptive algorithm can correctly identify (91.67%-100%) of all exercises from side- and front-view videos. Transparent algorithm design for adaptive visual analysis of various knee exercise patterns contributes towards the interpretable AI and will inform near-future privacy-preserving, non-vendor locking, open-source developments for both end-user computing devices and as on-premises non-proprietary cloud platforms that can be deployed within the national healthcare system.
• Abstract（参考訳）: 本研究の目的は,患者からストリームやアップロードしたタイムリーデータや動画を処理可能な,近未来のプライバシ保護型ビッグデータ分析医療プラットフォームに貢献することである。 実験には、単純でパーソナライズされた運動から、スポーツに戻るためのより一般的で挑戦的な運動まで、一連のエクササイズをキャプチャする実生活の膝リハビリテーションビデオデータセットが含まれる。 モバイルから動画をプライバシー保護の診断タイムリーデータに変換するために,Google MediaPipeのポーズ推定を採用した。 開発した概念実証アルゴリズムは、CSVファイル形式でストリームされた膝角推定によって生成された時系列プロットを更新しながら、患者に棒状の要素をオーバーレイすることで、膝運動ビデオを強化することができる。 患者や理学療法士にとって、過度な膝屈曲や不安定な膝運動、スティックフィギュアオーバーレイエラーなどの潜在的な問題を視覚的に表す側方から側方までのタイムリーのビデオは、a-priori膝角パラメータを設定することで可能となる。 リハビリテーションプログラムへの順応と,エクササイズセットと繰り返しの定量化のために,我々の適応アルゴリズムは,サイドビューとフロントビューのビデオから,すべてのエクササイズの91.67%〜100%を正しく識別することができる。 さまざまな膝運動パターンの適応的視覚分析のための透過的アルゴリズム設計は、解釈可能なAIに寄与し、国家医療システムにデプロイ可能な、エンドユーザーコンピューティングデバイスとオンプレミスの非プロプライエタリなクラウドプラットフォームの両方に対して、近未来的なプライバシ保護、非ベンダロック、オープンソース開発を通知する。

関連論文リスト

• Sync from the Sea: Retrieving Alignable Videos from Large-Scale Datasets [62.280729345770936]
  AVR(Alignable Video Retrieval)の課題について紹介する。 クェリビデオが与えられた場合、我々は大量のクリップから良質な映像を識別し、時間的にクェリに同期させることができる。 大規模なKineetics700を含む3つのデータセットに関する実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2024-09-02T20:00:49Z)
• Learning to Estimate Critical Gait Parameters from Single-View RGB Videos with Transformer-Based Attention Network [0.0]
  本稿では,一眼レフカメラで撮影したRGBビデオから重要な歩行パラメータを推定するトランスフォーマーネットワークを提案する。 脳性麻痺患者の公的データセットに関する実証的な評価は、このフレームワークが現在の最先端のアプローチを超越していることを示している。
  論文  参考訳（メタデータ） (2023-12-01T07:45:27Z)
• Pose2Gait: Extracting Gait Features from Monocular Video of Individuals with Dementia [3.2739089842471136]
  認知症高齢者の歩行の映像に基づく環境モニタリングは、健康のネガティブな変化を検出する可能性がある。 コンピュータビジョンに基づくポーズトラッキングモデルは、ビデオデータを自動的に処理し、関節位置を抽出することができる。 これらのモデルは、高齢者や臨床集団の歩行分析に最適化されていない。
  論文  参考訳（メタデータ） (2023-08-22T14:59:17Z)
• A spatio-temporal network for video semantic segmentation in surgical videos [11.548181453080087]
  ビデオにおける時間的関係をモデル化するための新しいアーキテクチャを提案する。 提案モデルは,セマンティックビデオセグメンテーションを可能にするデコーダを含む。 提案するデコーダは,任意のセグメンテーションエンコーダ上で時間的整合性を改善するために使用することができる。
  論文  参考訳（メタデータ） (2023-06-19T16:36:48Z)
• Transform-Equivariant Consistency Learning for Temporal Sentence Grounding [66.10949751429781]
  ビデオ毎により差別的な表現を学習するために,新しい同変一貫性規則学習フレームワークを導入する。 私たちのモチベーションは、クエリ誘導アクティビティの時間的境界を一貫して予測することにある。 特に,ビデオの完全性と滑らか性を高めるために,自己教師付き一貫性損失モジュールを考案した。
  論文  参考訳（メタデータ） (2023-05-06T19:29:28Z)
• Automated Detection of Patients in Hospital Video Recordings [1.759613153663764]
  臨床環境では、てんかん患者は、ビデオ脳波検査(EEG)によって監視される。 現在、発作時に患者の位置を追跡するための自動的な方法が存在しない。 我々は,イメージネットで事前学習したMask R-CNN(オブジェクト検出のための標準ディープラーニングモデル)を,患者検出のタスクに基づいて評価した。
  論文  参考訳（メタデータ） (2021-11-28T23:15:06Z)
• HighlightMe: Detecting Highlights from Human-Centric Videos [52.84233165201391]
  我々は,人間中心のビデオからハイライト可能な抜粋を検出するために,ドメインとユーザに依存しないアプローチを提案する。 本研究では,時空間グラフ畳み込みを用いたオートエンコーダネットワークを用いて,人間の活動やインタラクションを検出する。 我々は,最先端の手法に比べて,人手によるハイライトのマッチングの平均精度が4～12%向上したことを観察した。
  論文  参考訳（メタデータ） (2021-10-05T01:18:15Z)
• 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)
• 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)
• Towards Real-time Drowsiness Detection for Elderly Care [0.0]
  本稿では,高齢者が単独で生活するのを助けるために,ビデオから眠気情報を抽出する概念を実証する。 そこで我々は,OpenCVと統合された深層学習モデルのトレーニングとテストのために,映像から3000枚の画像を抽出した。
  論文  参考訳（メタデータ） (2020-10-21T05:48:59Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)

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。