論文の概要: Convolutional neural network for early detection of lameness and irregularity in horses using an IMU sensor

• arxiv url: http://arxiv.org/abs/2503.13578v1
• Date: Mon, 17 Mar 2025 15:05:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:17:00.119995
• Title: Convolutional neural network for early detection of lameness and irregularity in horses using an IMU sensor
• Title（参考訳）: IMUセンサを用いた馬の乳腺および不規則の早期検出のための畳み込みニューラルネットワーク
• Authors: Benoît Savoini, Jonathan Bertolaccini, Stéphane Montavon, Michel Deriaz,
• Abstract要約: 単慣性測定ユニット(IMU)と1次元畳み込みニューラルネットワーク(1D CNN)を用いたストライドレベルの分類システムを提案する。 提案システムは実世界の条件下でテストされ,90%のセッションレベルの精度を実現した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Lameness and gait irregularities are significant concerns in equine health management, affecting performance, welfare, and economic value. Traditional observational methods rely on subjective expert assessments, which can lead to inconsistencies in detecting subtle or early-stage lameness. While AI-based approaches have emerged, many require multiple sensors, force plates, or video systems, making them costly and impractical for field deployment. In this applied research study, we present a stride-level classification system that utilizes a single inertial measurement unit (IMU) and a one-dimensional convolutional neural network (1D CNN) to objectively differentiate between sound and lame horses, with a primary focus on the trot gait. The proposed system was tested under real-world conditions, achieving a 90% session-level accuracy with no false positives, demonstrating its robustness for practical applications. By employing a single, non-intrusive, and readily available sensor, our approach significantly reduces the complexity and cost of hardware requirements while maintaining high classification performance. These results highlight the potential of our CNN-based method as a field-tested, scalable solution for automated lameness detection. By enabling early diagnosis, this system offers a valuable tool for preventing minor gait irregularities from developing into severe conditions, ultimately contributing to improved equine welfare and performance in veterinary and equestrian practice.
• Abstract（参考訳）: 怠慢と歩行不規則は健康管理において重要な関心事であり、パフォーマンス、福祉、経済価値に影響を及ぼす。 伝統的な観察法は主観的な専門家の評価に依存しており、それは微妙な、または初期段階の怠慢を検出するのに矛盾をもたらす可能性がある。 AIベースのアプローチが登場したが、その多くは複数のセンサー、強制プレート、ビデオシステムを必要としており、フィールド展開には費用がかかり実用的ではない。 本研究では,1つの慣性計測ユニット (IMU) と1次元畳み込みニューラルネットワーク (1D CNN) を用いて,音とラム馬を客観的に区別するストライドレベルの分類システムを提案する。 提案システムは実世界の条件下でテストされ,90%のセッションレベルの精度を実現した。 単一で非侵襲的で手軽なセンサを用いることで、高い分類性能を維持しながらハードウェア要求の複雑さとコストを大幅に削減できる。 これらの結果から,CNNをベースとした手法が,自動ラメネス検出のためのフィールドテスト,スケーラブルなソリューションとしての可能性を強調した。 早期診断を可能とすることにより、小さな歩行異常が重篤な状態に陥るのを防ぎ、最終的には獣医や馬術の実践における公平な福祉とパフォーマンスの向上に寄与する貴重なツールを提供する。

関連論文リスト

• Federated Anomaly Detection for Early-Stage Diagnosis of Autism Spectrum Disorders using Serious Game Data [0.0]
  本研究では,AutoEncoder-based Machine Learning (ML) 手法を用いて,ASD検出のための新しい半教師付きアプローチを提案する。 この目的に特化して設計された真剣なゲームを通じて手作業で収集したデータを利用する。 ゲーミフィケーションされたアプリケーションによって収集されたセンシティブなデータは、プライバシー漏洩の影響を受けやすいため、フェデレートラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-10-25T23:00:12Z)
• ESDS: AI-Powered Early Stunting Detection and Monitoring System using Edited Radius-SMOTE Algorithm [1.6874375111244329]
  スタンピング検出はインドネシアの医療において重要な問題である。 スタンティングの頻度が高い地域では、治療を必要としている子供を特定することが重要である。 診断プロセスは、医療従事者の経験不足など、しばしば課題を提起する。 本稿では,センサ読み取りに基づくスタント検出に機械学習を用いる。
  論文  参考訳（メタデータ） (2024-09-21T11:15:13Z)
• 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)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• Hierarchical Distribution-Aware Testing of Deep Learning [13.254093944540438]
  深層学習(DL)は、安全クリティカルなアプリケーションでますます使われており、信頼性への懸念が高まっている。 逆数例(AEs)として知られる逆数摂動に直面した場合、DLは堅牢性に欠けるよく知られた問題に悩まされる。 本稿では,特徴量分布と画素レベル分布の両方を考慮したAE検出のための新しいロバストネステスト手法を提案する。
  論文  参考訳（メタデータ） (2022-05-17T19:13:55Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Quality control for more reliable integration of deep learning-based image segmentation into medical workflows [0.23609258021376836]
  本稿では,その出力の確実性を推定するために,最先端自動品質制御(QC)手法の解析を行う。 磁気共鳴画像データにおける白色物質の超強度(WMH)を識別する脳画像分割タスクにおける最も有望なアプローチを検証した。
  論文  参考訳（メタデータ） (2021-12-06T16:30:43Z)
• Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
  我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。 元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。 私たちのコードは、将来的な比較作業のためにオープンソースにされます。
  論文  参考訳（メタデータ） (2021-07-01T08:58:16Z)
• A cognitive based Intrusion detection system [0.0]
  侵入検知は、コンピュータネットワークのセキュリティを提供する重要なメカニズムの1つである。 本稿では,Deep Neural Network Ans Supportctor Machine Classifierに基づく新しい手法を提案する。 提案手法は, 侵入検知に類似した手法により, より精度良く攻撃を予測できる。
  論文  参考訳（メタデータ） (2020-05-19T13:30:30Z)
• 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)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。