論文の概要: GAITGen: Disentangled Motion-Pathology Impaired Gait Generative Model -- Bringing Motion Generation to the Clinical Domain

• arxiv url: http://arxiv.org/abs/2503.22397v1
• Date: Fri, 28 Mar 2025 13:06:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:29:23.966039
• Title: GAITGen: Disentangled Motion-Pathology Impaired Gait Generative Model -- Bringing Motion Generation to the Clinical Domain
• Title（参考訳）: GAITGen:アンタングル運動パトロジー障害歩行生成モデル-臨床領域に運動生成をもたらす
• Authors: Vida Adeli, Soroush Mehraban, Majid Mirmehdi, Alan Whone, Benjamin Filtjens, Amirhossein Dadashzadeh, Alfonso Fasano, Andrea Iaboni Babak Taati,
• Abstract要約: GAITGenは、特定の病理重症度レベルに基づいて、現実的な歩行シーケンスを生成する新しいフレームワークである。 新たなPD-GaMデータセットの実験により、GAITGenは、再構成の忠実度と生成品質の両方において、適応された最先端モデルより優れていることが示された。
• 参考スコア（独自算出の注目度）: 4.335677334039898
• License:
• Abstract: Gait analysis is crucial for the diagnosis and monitoring of movement disorders like Parkinson's Disease. While computer vision models have shown potential for objectively evaluating parkinsonian gait, their effectiveness is limited by scarce clinical datasets and the challenge of collecting large and well-labelled data, impacting model accuracy and risk of bias. To address these gaps, we propose GAITGen, a novel framework that generates realistic gait sequences conditioned on specified pathology severity levels. GAITGen employs a Conditional Residual Vector Quantized Variational Autoencoder to learn disentangled representations of motion dynamics and pathology-specific factors, coupled with Mask and Residual Transformers for conditioned sequence generation. GAITGen generates realistic, diverse gait sequences across severity levels, enriching datasets and enabling large-scale model training in parkinsonian gait analysis. Experiments on our new PD-GaM (real) dataset demonstrate that GAITGen outperforms adapted state-of-the-art models in both reconstruction fidelity and generation quality, accurately capturing critical pathology-specific gait features. A clinical user study confirms the realism and clinical relevance of our generated sequences. Moreover, incorporating GAITGen-generated data into downstream tasks improves parkinsonian gait severity estimation, highlighting its potential for advancing clinical gait analysis.
• Abstract（参考訳）: 歩行分析はパーキンソン病などの運動障害の診断とモニタリングに不可欠である。 コンピュータビジョンモデルは、パーキンソン歩行を客観的に評価する可能性を示しているが、その効果は、少ない臨床データセットと、大小さまざまなデータを収集し、モデルの精度とバイアスのリスクに影響を与えるという課題によって制限されている。 これらのギャップに対処するため,我々は,特定の病的重症度レベルを条件に,現実的な歩行シーケンスを生成する新しいフレームワークであるGAITGenを提案する。 GAITGenは、条件付きシーケンス生成のためにMaskとResidual Transformerと組み合わせて、運動力学と病理特化因子の不整合表現を学習するために、条件付き残留ベクトル量子変分オートコーダを使用する。 GAITGenは、重度レベルにわたる現実的で多様な歩行シーケンスを生成し、データセットを充実させ、パーキンソン歩行分析における大規模なモデルトレーニングを可能にする。 我々の新しいPD-GaM(real)データセットの実験では、GAITGenは再現性と生成品質の両方において、適応された最先端モデルよりも優れており、重要な病理学的歩行の特徴を正確に捉えている。 臨床ユーザによる研究により, 生成配列の現実性と臨床的関連性が確認された。 さらに、GAITGen生成データを下流タスクに組み込むことで、パーキンソン歩行重症度推定が向上し、臨床歩行分析の進歩の可能性が強調される。

関連論文リスト

• GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
  本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。 DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。 また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-02-11T05:39:49Z)
• Generalizable automated ischaemic stroke lesion segmentation with vision transformers [0.7400397057238803]
  拡散強調画像(DWI)は虚血性脳梗塞において最も高い発現率を示す。 したがって、現在のU-Netベースのモデルは、不適切な評価指標によってアクセント付けられる問題として、性能が劣っている。 本稿ではこれらの課題に対処する高性能なDWI病変分割ツールを提案する。
  論文  参考訳（メタデータ） (2025-02-10T19:00:00Z)
• Prediction of Lung Metastasis from Hepatocellular Carcinoma using the SEER Database [0.9055332067000195]
  肝細胞癌(HCC)は、がん関連死亡の原因である。 HCCにおける肺転移の予測モデルは、範囲と臨床応用性に限られている。 本研究では,Surveillance, Epidemiology, End Results (SEER)データベースのデータを用いて,エンドツーエンドの機械学習パイプラインの開発と検証を行う。
  論文  参考訳（メタデータ） (2025-01-20T20:06:31Z)
• Integrating Large Language Models for Genetic Variant Classification [12.244115429231888]
  大型言語モデル (LLM) は遺伝学においてトランスフォーメーションツールとして登場した。 本研究では,GPN-MSA,ESM1b,AlphaMissenseを含む最先端LLMの統合について検討した。 提案手法は,よく注釈付けされたProteinGymとClinVarのデータセットを用いて,これらの統合モデルを評価する。
  論文  参考訳（メタデータ） (2024-11-07T13:45:56Z)
• GV-Rep: A Large-Scale Dataset for Genetic Variant Representation Learning [7.365168184468284]
  可変長コンテキストと詳細なアノテーションを特徴とするGV-Repという大規模遺伝的バリアントデータセットを提案する。 GV-Repは、さまざまな特性、疾患、組織タイプ、実験コンテキストにわたるGV表現を学習するためのディープラーニングモデルのために設計されている。
  論文  参考訳（メタデータ） (2024-07-24T02:20:29Z)
• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• HGAttack: Transferable Heterogeneous Graph Adversarial Attack [63.35560741500611]
  ヘテロジニアスグラフニューラルネットワーク(HGNN)は、Webやeコマースなどの分野でのパフォーマンスでますます認識されている。 本稿ではヘテロジニアスグラフに対する最初の専用グレーボックス回避手法であるHGAttackを紹介する。
  論文  参考訳（メタデータ） (2024-01-18T12:47:13Z)
• Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
  我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。 シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
  論文  参考訳（メタデータ） (2022-07-18T19:16:56Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)

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。