論文の概要: Skeleton-Based Transformer for Classification of Errors and Better Feedback in Low Back Pain Physical Rehabilitation Exercises

• arxiv url: http://arxiv.org/abs/2504.13866v1
• Date: Fri, 28 Mar 2025 10:30:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.626347
• Title: Skeleton-Based Transformer for Classification of Errors and Better Feedback in Low Back Pain Physical Rehabilitation Exercises
• Title（参考訳）: 低背痛リハビリテーション運動における誤りの分類とフィードバック改善のための骨格型変圧器
• Authors: Aleksa Marusic, Sao Mai Nguyen, Adriana Tapus,
• Abstract要約: 近年,身体リハビリテーション運動の質評価が著しく進歩している。 それらのほとんどは、パフォーマンスが正しいか間違っている場合にのみバイナリ分類を提供し、いくつかは連続的なスコアを提供する。 本研究では,リハビリテーション演習の誤り分類アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.9094127664014627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical rehabilitation exercises suggested by healthcare professionals can help recovery from various musculoskeletal disorders and prevent re-injury. However, patients' engagement tends to decrease over time without direct supervision, which is why there is a need for an automated monitoring system. In recent years, there has been great progress in quality assessment of physical rehabilitation exercises. Most of them only provide a binary classification if the performance is correct or incorrect, and a few provide a continuous score. This information is not sufficient for patients to improve their performance. In this work, we propose an algorithm for error classification of rehabilitation exercises, thus making the first step toward more detailed feedback to patients. We focus on skeleton-based exercise assessment, which utilizes human pose estimation to evaluate motion. Inspired by recent algorithms for quality assessment during rehabilitation exercises, we propose a Transformer-based model for the described classification. Our model is inspired by the HyperFormer method for human action recognition, and adapted to our problem and dataset. The evaluation is done on the KERAAL dataset, as it is the only medical dataset with clear error labels for the exercises, and our model significantly surpasses state-of-the-art methods. Furthermore, we bridge the gap towards better feedback to the patients by presenting a way to calculate the importance of joints for each exercise.
• Abstract（参考訳）: 医療専門家が提案する体力回復運動は、様々な筋骨格障害の回復を助け、再損傷を防ぐ。 しかし、患者のエンゲージメントは、直接の監督なしに時間の経過とともに減少する傾向にあり、そのため、自動監視システムが必要である。 近年,身体リハビリテーション運動の質評価が著しく進歩している。 それらのほとんどは、パフォーマンスが正しいか間違っている場合にのみバイナリ分類を提供し、いくつかは連続的なスコアを提供する。 この情報は、患者がパフォーマンスを向上させるのに十分ではない。 本研究では,リハビリテーション演習の誤り分類アルゴリズムを提案する。 本研究では、人間のポーズ推定を利用して動きを評価する骨格に基づく運動評価に焦点を当てた。 近年のリハビリテーション演習における品質評価アルゴリズムに着想を得て,トランスフォーマーを用いた分類モデルを提案する。 我々のモデルは、人間の行動認識のためのHyperFormer法にインスパイアされ、問題やデータセットに適応する。 この評価はKERAALデータセット上で行われ、運動のための明確なエラーラベルを持つ唯一の医療データセットであり、我々のモデルは最先端の手法を大幅に上回っている。 さらに,各運動における関節の重要性を算出し,患者へのフィードバックの向上に向けたギャップを橋渡しする。

関連論文リスト

• Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
  そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。 以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。 本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-17T00:13:00Z)
• A Medical Low-Back Pain Physical Rehabilitation Dataset for Human Body Movement Analysis [0.6990493129893111]
  本稿では,低背痛リハビリテーションを施行した臨床患者の医療データセットについて,4つの課題に対処し,提案する。 データセットには、3D Kinectスケルトンの位置と向き、RGBビデオ、2Dスケルトンデータ、正確性を評価するための医用アノテーション、身体部分とタイムパンのエラー分類とローカライゼーションが含まれている。
  論文  参考訳（メタデータ） (2024-06-29T19:50:06Z)
• Rehabilitation Exercise Quality Assessment through Supervised Contrastive Learning with Hard and Soft Negatives [2.166000001057538]
  運動ベースのリハビリテーションプログラムは、生活の質を高め、死亡率と再入院率を減らすのに有効であることが証明されている。 これらのプログラムは一般的に様々なエクササイズタイプを規定しており、リハビリテーションエクササイズアセスメントデータセットにおいて明確な課題となっている。 本稿では,すべての運動タイプに適用可能な単一モデルをトレーニングするための,硬質で軟質な負のサンプルを用いた教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-05T08:38:25Z)
• Cross-Modal Video to Body-joints Augmentation for Rehabilitation Exercise Quality Assessment [3.544570529705401]
  運動に基づくリハビリテーションプログラムは、生活の質を高め、死亡率と再入院を減らすことが示されている。 AIによる仮想リハビリテーションプログラムにより、患者は自宅で独立して運動を完了できる一方、AIアルゴリズムは運動データを分析して患者にフィードバックを与え、臨床医に進捗を報告することができる。 本稿では,RGBビデオを用いてリハビリテーション運動の質を評価するための新しいアプローチを提案する。また,連続したRGBビデオフレームから骨格体関節の配列を抽出し,多対一の連続ニューラルネットワークを用いて解析し,運動品質を評価する。
  論文  参考訳（メタデータ） (2023-06-15T23:23:35Z)
• Design, Development, and Evaluation of an Interactive Personalized Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
  パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。 このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。 我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
  論文  参考訳（メタデータ） (2023-05-12T17:37:04Z)
• Rehabilitation Exercise Repetition Segmentation and Counting using Skeletal Body Joints [6.918076156491651]
  本稿では,患者が実施するリハビリテーション運動の繰り返しを分割・数えるための新しいアプローチを提案する。 骨格の関節は、深度カメラまたは患者のRGBビデオに適用されたコンピュータビジョン技術によって取得することができる。 様々なシーケンシャルニューラルネットワークは、骨格体関節の配列を分析し、繰り返しセグメンテーションとカウントを行うように設計されている。
  論文  参考訳（メタデータ） (2023-04-19T15:22:15Z)
• 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)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)
• A Review of Computational Approaches for Evaluation of Rehabilitation Exercises [58.720142291102135]
  本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。 エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
  論文  参考訳（メタデータ） (2020-02-29T22:18:56Z)

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。