論文の概要: VidSole: A Multimodal Dataset for Joint Kinetics Quantification and Disease Detection with Deep Learning

• arxiv url: http://arxiv.org/abs/2501.17890v1
• Date: Tue, 28 Jan 2025 15:18:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:14:16.991900
• Title: VidSole: A Multimodal Dataset for Joint Kinetics Quantification and Disease Detection with Deep Learning
• Title（参考訳）: VidSole: 深層学習による関節運動量化と疾患検出のためのマルチモーダルデータセット
• Authors: Archit Kambhamettu, Samantha Snyder, Maliheh Fakhar, Samuel Audia, Ross Miller, Jae Kun Shim, Aniket Bera,
• Abstract要約: 関節内装は変形性膝関節症などの歩行関連疾患の診断に重要である。 足下の5つの高圧点の3軸力とモーメントを測定した。 VidSoleは、これらのインソールによって測定された力とモーメントと、対応するRGBビデオで構成されている。
• 参考スコア（独自算出の注目度）: 10.033899828022525
• License:
• Abstract: Understanding internal joint loading is critical for diagnosing gait-related diseases such as knee osteoarthritis; however, current methods of measuring joint risk factors are time-consuming, expensive, and restricted to lab settings. In this paper, we enable the large-scale, cost-effective biomechanical analysis of joint loading via three key contributions: the development and deployment of novel instrumented insoles, the creation of a large multimodal biomechanics dataset (VidSole), and a baseline deep learning pipeline to predict internal joint loading factors. Our novel instrumented insole measures the tri-axial forces and moments across five high-pressure points under the foot. VidSole consists of the forces and moments measured by these insoles along with corresponding RGB video from two viewpoints, 3D body motion capture, and force plate data for over 2,600 trials of 52 diverse participants performing four fundamental activities of daily living (sit-to-stand, stand-to-sit, walking, and running). We feed the insole data and kinematic parameters extractable from video (i.e., pose, knee angle) into a deep learning pipeline consisting of an ensemble Gated Recurrent Unit (GRU) activity classifier followed by activity-specific Long Short Term Memory (LSTM) regression networks to estimate knee adduction moment (KAM), a biomechanical risk factor for knee osteoarthritis. The successful classification of activities at an accuracy of 99.02 percent and KAM estimation with mean absolute error (MAE) less than 0.5 percent*body weight*height, the current threshold for accurately detecting knee osteoarthritis with KAM, illustrates the usefulness of our dataset for future research and clinical settings.
• Abstract（参考訳）: 膝関節症などの歩行関連疾患の診断には, 関節内負荷の理解が重要である。 本稿では,新しいインスツルメンテーションインソールの開発と展開,大規模マルチモーダルバイオメカニクスデータセット(VidSole)の作成,および内部の関節負荷要因を予測するためのベースラインディープラーニングパイプラインの3つの重要な貢献を通じて,大規模で費用対効果の高い関節負荷解析を可能にする。 足下の5つの高圧点の3軸力とモーメントを測定した。 VidSoleは、これらのインソールによって測定された力とモーメントと、対応するRGBビデオの2つの視点による3D体の動きの捉え方と、52人の多様な参加者の2,600以上のテストで、日々の生活の4つの基本的な活動(立位、立位、立位、歩数、走数)を行う力板データで構成されている。 アンサンブルGated Recurrent Unit(GRU)活性分類器と活動特異的Long Short Term Memory(LSTM)回帰ネットワークからなる深層学習パイプラインにビデオ(ポーズ,膝角)から抽出可能なインソールデータと運動パラメータを供給し,膝関節症に対する生体力学的危険因子であるKAMを推定した。 99.02%の精度で活動の分類が成功し、平均絶対誤差(MAE)による平均絶対誤差(MAE)が0.5%未満である。

関連論文リスト

• Differentiable Biomechanics for Markerless Motion Capture in Upper Limb Stroke Rehabilitation: A Comparison with Optical Motion Capture [1.5719429447906519]
  Markerless Motion Captureは、臨床環境でのモーションキャプチャーに有望なアプローチを提供する。 本研究は, バイオメカニカルモデルを用いたMCCデータとOCCデータを用いて, 飲酒作業を行う15名の脳卒中患者のキーキネマティックな結果を比較した。
  論文  参考訳（メタデータ） (2024-11-22T15:02:29Z)
• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• Cascade learning in multi-task encoder-decoder networks for concurrent bone segmentation and glenohumeral joint assessment in shoulder CT scans [0.8974531206817744]
  この研究は、肩部CTスキャンを処理する革新的なディープラーニングフレームワークを導入している。 上腕骨と肩甲骨のセグメンテーション、骨表面の3次元再構成、角膜関節領域の同定などが特徴である。 パイプラインは、セグメンテーションのための3D CEL-UNetと3倍分類のための3D Arthro-Netの2つのケースケードCNNアーキテクチャで構成されている。
  論文  参考訳（メタデータ） (2024-10-16T15:00:31Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Strengths and Weaknesses of 3D Pose Estimation and Inertial Motion Capture System for Movement Therapy [0.0]
  3Dポーズ推定は、高速で非侵襲的で正確な動き分析の機会を提供する。 我々は,既存の慣性センサシステムMTw Awindaと比較して,最先端の3D位置推定手法であるMeTrabsの精度について検討した。
  論文  参考訳（メタデータ） (2023-06-01T20:35:06Z)
• Multimodal video and IMU kinematic dataset on daily life activities using affordable devices (VIDIMU) [0.0]
  本データセットの目的は,日常活動の認識と運動解析のために,手頃な価格の患者総運動追跡ソリューションへの道を開くことである。 i)選択した運動の臨床的関連性、(ii)安価なビデオとカスタムセンサーの併用、(iii)3Dボディのポーズ追跡とモーション再構成のマルチモーダルデータ処理のための最先端ツールの実装。
  論文  参考訳（メタデータ） (2023-03-27T14:05:49Z)
• 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)
• A Two-stream Convolutional Network for Musculoskeletal and Neurological Disorders Prediction [14.003588854239544]
  筋骨格障害や神経疾患は高齢者の歩行障害の最も一般的な原因である。 近年のディープラーニングに基づく手法は、自動分析に有望な結果を示している。
  論文  参考訳（メタデータ） (2022-08-18T14:32:16Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• 4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
  我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。 提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
  論文  参考訳（メタデータ） (2020-04-20T11:41:01Z)

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。