論文の概要: RT-DEMT: A hybrid real-time acupoint detection model combining mamba and transformer

• arxiv url: http://arxiv.org/abs/2502.11179v1
• Date: Sun, 16 Feb 2025 15:59:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:15:15.407452
• Title: RT-DEMT: A hybrid real-time acupoint detection model combining mamba and transformer
• Title（参考訳）: RT-DEMT:mambaとtransformerを組み合わせたハイブリッドリアルタイムアキューポイント検出モデル
• Authors: Shilong Yang, Qi Zang, Chulong Zhang, Lingfeng Huang, Yaoqin Xie,
• Abstract要約: 伝統的な中国の治療法は、高い主観性のために臨床実践においてしばしば論争に直面する。 現在のインテリジェントアシスト治療システムには2つの大きな制限がある。 本稿では,効率的なグローバル情報統合を実現するための新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 3.6363728191078395
• License:
• Abstract: Traditional Chinese acupuncture methods often face controversy in clinical practice due to their high subjectivity. Additionally, current intelligent-assisted acupuncture systems have two major limitations: slow acupoint localization speed and low accuracy. To address these limitations, a new method leverages the excellent inference efficiency of the state-space model Mamba, while retaining the advantages of the attention mechanism in the traditional DETR architecture, to achieve efficient global information integration and provide high-quality feature information for acupoint localization tasks. Furthermore, by employing the concept of residual likelihood estimation, it eliminates the need for complex upsampling processes, thereby accelerating the acupoint localization task. Our method achieved state-of-the-art (SOTA) accuracy on a private dataset of acupoints on the human back, with an average Euclidean distance pixel error (EPE) of 7.792 and an average time consumption of 10.05 milliseconds per localization task. Compared to the second-best algorithm, our method improved both accuracy and speed by approximately 14\%. This significant advancement not only enhances the efficacy of acupuncture treatment but also demonstrates the commercial potential of automated acupuncture robot systems. Access to our method is available at https://github.com/Sohyu1/RT-DEMT
• Abstract（参考訳）: 伝統的な中国の治療法は、高い主観性のために臨床実践においてしばしば論争に直面する。 加えて、現在のインテリジェントアシスト治療システムには2つの大きな制限がある: 緩やかなキューポイントのローカライゼーション速度と低い精度である。 これらの制約に対処するため、従来のDETRアーキテクチャにおける注意機構の利点を維持しつつ、状態空間モデルMambaの優れた推論効率を活用し、効率的なグローバル情報統合を実現し、アキューポイントローカライゼーションタスクに高品質な特徴情報を提供する。 さらに、残差推定の概念を用いることで、複雑なアップサンプリングプロセスの必要性を排除し、キューポイントの局所化タスクを加速する。 提案手法は,ヒトの背中のキューポイントのプライベートデータセットに対して,平均ユークリッド距離画素誤差7.792,平均時間消費10.05ミリ秒のSOTA精度を達成した。 第2のアルゴリズムと比較して,提案手法は精度と速度を約14倍改善した。 この顕著な進歩は、治療の効果を高めるだけでなく、自動治療ロボットシステムの商業的可能性も示している。 私たちのメソッドへのアクセスはhttps://github.com/Sohyu1/RT-DEMTで確認できる。

関連論文リスト

• IoT-Based Real-Time Medical-Related Human Activity Recognition Using Skeletons and Multi-Stage Deep Learning for Healthcare [1.5236380958983642]
  IoT(Internet of Things)とモバイル技術は、患者のリアルタイムモニタリングと診断を可能にすることによって、医療を大きく変革した。 HMR(Human Motion Recognition)は、高い計算要求、低い精度、限られた適応性といった課題を継続する。 本研究は,IoTと統合した多段階深層学習技術を活用したMRHA検出のための新しいHMR手法を提案する。
  論文  参考訳（メタデータ） (2025-01-13T03:41:57Z)
• Benchmarking Adaptive Intelligence and Computer Vision on Human-Robot Collaboration [0.0]
  ヒューマンロボットコラボレーション(HRC)は、センサー、デジタル双生児、協調ロボット(コボット)、意図認識モデルを用いて、効率的な製造プロセスを持つ産業4.0において不可欠である。 本稿では,適応知能と自己ラベルを統合して,HRCシステムにおける意図認識のレジリエンスを向上させることにより,概念の漂流に対処する。
  論文  参考訳（メタデータ） (2024-09-30T01:25:48Z)
• EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable Rendering and Space Exploration [49.90228618894857]
  我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。 我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。 本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-02T03:49:54Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Efficient Global-Local Memory for Real-time Instrument Segmentation of Robotic Surgical Video [53.14186293442669]
  手術器具の知覚における重要な手がかりとして,隣接するフレームからの局所的時間依存性と,長距離における大域的意味的相関があげられる。 本稿では,グローバルとローカルの両方の時間的知識を関連付ける新しいデュアルメモリネットワーク(DMNet)を提案する。 本手法は,実時間速度を維持しながらセグメント化精度を向上する手法である。
  論文  参考訳（メタデータ） (2021-09-28T10:10:14Z)
• Learn Fine-grained Adaptive Loss for Multiple Anatomical Landmark Detection in Medical Images [15.7026400415269]
  本稿ではランドマーク検出のための新しい学習学習フレームワークを提案する。 提案手法は汎用的であり,解剖学的ランドマーク検出の効率向上の可能性を示す。
  論文  参考訳（メタデータ） (2021-05-19T13:39:18Z)
• SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation [81.03485688525133]
  Single-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation (SIMPLE) を提案する。 具体的には、トレーニングプロセスにおいて、SIMPLEが高性能なトップダウンパイプラインからのポーズ知識を模倣できるようにする。 さらに、SIMPLEは人間検出とポーズ推定を統一的なポイントラーニングフレームワークとして定式化し、単一ネットワークで相互に補完する。
  論文  参考訳（メタデータ） (2021-04-06T13:12:51Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• Joint Scene and Object Tracking for Cost-Effective Augmented Reality Assisted Patient Positioning in Radiation Therapy [0.6299766708197884]
  放射線治療における患者位置決めのためのAR(Augmented Reality)分野の研究は少ない。 本稿では,患者の位置追跡と患者の位置決定過程を対話的に支援する,効率的で費用対効果の高いアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-05T10:20:46Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)

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。