論文の概要: K2MUSE: A human lower limb multimodal dataset under diverse conditions for facilitating rehabilitation robotics

• arxiv url: http://arxiv.org/abs/2504.14602v1
• Date: Sun, 20 Apr 2025 13:03:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-29 23:31:02.622282
• Title: K2MUSE: A human lower limb multimodal dataset under diverse conditions for facilitating rehabilitation robotics
• Title（参考訳）: K2MUSE: リハビリテーションロボティクス支援のための多様な条件下でのヒト下肢マルチモーダルデータセット
• Authors: Jiwei Li, Bi Zhang, Xiaowei Tan, Wanxin Chen, Zhaoyuan Liu, Juanjuan Zhang, Weiguang Huo, Jian Huang, Lianqing Liu, Xingang Zhao,
• Abstract要約: K2MUSEデータセットには、運動、運動、振幅モード超音波(AUS)、表面筋電図(sEMG)の測定を含む、総合的なマルチモーダルデータの収集が含まれている。 このデータセットは、リハビリテーションロボットの制御フレームワークを設計し、下肢運動の生体力学的解析を行うための新しいリソースを提供する。
• 参考スコア（独自算出の注目度）: 15.245241949892584
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The natural interaction and control performance of lower limb rehabilitation robots are closely linked to biomechanical information from various human locomotion activities. Multidimensional human motion data significantly deepen the understanding of the complex mechanisms governing neuromuscular alterations, thereby facilitating the development and application of rehabilitation robots in multifaceted real-world environments. However, currently available lower limb datasets are inadequate for supplying the essential multimodal data and large-scale gait samples necessary for effective data-driven approaches, and they neglect the significant effects of acquisition interference in real applications.To fill this gap, we present the K2MUSE dataset, which includes a comprehensive collection of multimodal data, comprising kinematic, kinetic, amplitude-mode ultrasound (AUS), and surface electromyography (sEMG) measurements. The proposed dataset includes lower limb multimodal data from 30 able-bodied participants walking under different inclines (0$^\circ$, $\pm$5$^\circ$, and $\pm$10$^\circ$), various speeds (0.5 m/s, 1.0 m/s, and 1.5 m/s), and different nonideal acquisition conditions (muscle fatigue, electrode shifts, and inter-day differences). The kinematic and ground reaction force data were collected via a Vicon motion capture system and an instrumented treadmill with embedded force plates, whereas the sEMG and AUS data were synchronously recorded for thirteen muscles on the bilateral lower limbs. This dataset offers a new resource for designing control frameworks for rehabilitation robots and conducting biomechanical analyses of lower limb locomotion. The dataset is available at https://k2muse.github.io/.
• Abstract（参考訳）: 下肢リハビリテーションロボットの自然な相互作用と制御性能は、様々な人間の移動活動の生体力学的情報と密接に関連している。 多次元人間の動作データは、神経筋の変化を管理する複雑なメカニズムの理解を著しく深め、多面的現実環境におけるリハビリテーションロボットの開発と応用を容易にする。 しかし、現在利用可能な下肢データセットは、効果的なデータ駆動アプローチに必要な必要不可欠なマルチモーダルデータや大規模な歩行サンプルの供給に不適であり、実際のアプリケーションにおける取得干渉の影響を無視している。 提案したデータセットは、異なる傾斜地(0$^\circ$,$\pm$5$^\circ$,$\pm$10$^\circ$)を歩いた30人の有能な被験者の下肢マルチモーダルデータと、様々な速度(0.5m/s、1.0m/s、1.5m/s)、異なる非理想的取得条件(筋肉疲労、電極シフト、日内差)を含む。 運動・地中反応力データは, バイコン・モーション・キャプチャー・システムとインスツルメンテッドトレッドミルを組み込んだトレッドミルを用いて収集し, sEMGとAUSは両下肢の13個の筋肉に対して同期的に記録した。 このデータセットは、リハビリテーションロボットの制御フレームワークを設計し、下肢運動の生体力学的解析を行うための新しいリソースを提供する。 データセットはhttps://k2muse.github.io/で公開されている。

関連論文リスト

• Deep Learning for Human Locomotion Analysis in Lower-Limb Exoskeletons: A Comparative Study [1.3569491184708433]
  本稿では,8つのディープニューラルネットワークのバックボーンによる高レベル移動パラメータの予測実験を行った。 LSTMは高い地形分類精度(0.94 +- 0.04)と正確な傾斜斜面(1.95 +- 0.58deg)、CNN-LSTMは階段の高さ(15.65 +- 7.40 mm)を達成した。 システムは2ミリ秒の推論時間で動作し、リアルタイムアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-03-21T07:12:44Z)
• Learning Speed-Adaptive Walking Agent Using Imitation Learning with Physics-Informed Simulation [0.0]
  生体力学的に現実的な動作を維持しつつ、様々な歩行速度に適応できる骨格型ヒューマノイド剤を開発した。 このフレームワークは、オープンソースのバイオメカニクスデータから生体力学的に妥当な歩行運動を生産する合成データジェネレータと、エージェントの歩行ポリシーを訓練するために逆模倣学習を使用する訓練システムとを組み合わせる。
  論文  参考訳（メタデータ） (2024-12-05T07:55:58Z)
• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• Scaling Up Dynamic Human-Scene Interaction Modeling [58.032368564071895]
  TRUMANSは、現在利用可能な最も包括的なモーションキャプチャーHSIデータセットである。 人体全体の動きや部分レベルの物体の動きを複雑に捉えます。 本研究では,任意の長さのHSI配列を効率的に生成する拡散型自己回帰モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-13T15:45:04Z)
• 3D Kinematics Estimation from Video with a Biomechanical Model and Synthetic Training Data [4.130944152992895]
  2つの入力ビューから3Dキネマティクスを直接出力するバイオメカニクス対応ネットワークを提案する。 実験により, 提案手法は, 合成データにのみ訓練されたものであり, 従来の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-20T17:33:40Z)
• Learning Realistic Joint Space Boundaries for Range of Motion Analysis of Healthy and Impaired Human Arms [0.5530212768657544]
  本研究では,現実的な解剖学的制約のある上層域の運動境界を,モーションキャプチャーデータから学習するためのデータ駆動手法を提案する。 また,健常腕と障害腕の比較において,能力・障害の定量的評価を行う指標(II)を提案する。
  論文  参考訳（メタデータ） (2023-11-17T17:14:42Z)
• Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
  我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。 CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。 睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2023-05-30T08:24:01Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Multimodal Indoor Localisation for Measuring Mobility in Parkinson's Disease using Transformers [2.683727984711853]
  パーキンソン病の10人から収集したデータと、さまざまなセンサーを備えたスマートホームで5日間生活した10人のコントロールを使っています。 屋内でより効果的にローカライズするために、2つのデータモダリティを利用したトランスフォーマーベースのアプローチを提案する。 提案手法は,a) 時間的相関を異なる尺度とレベルで学習し,b) 様々なゲーティング機構を用いて,モダリティ内で関連する特徴を選定し,不必要なモダリティを抑制する。
  論文  参考訳（メタデータ） (2022-05-12T15:05:57Z)
• 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)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)

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。