論文の概要: Canine Clinical Gait Analysis for Orthopedic and Neurological Disorders: An Inertial Deep-Learning Approach

• arxiv url: http://arxiv.org/abs/2507.05671v1
• Date: Tue, 08 Jul 2025 04:54:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.566641
• Title: Canine Clinical Gait Analysis for Orthopedic and Neurological Disorders: An Inertial Deep-Learning Approach
• Title（参考訳）: 整形外科・神経疾患に対する犬の歩行解析 : 慣性深層学習アプローチ
• Authors: Netta Palez, Léonie Straß, Sebastian Meller, Holger Volk, Anna Zamansky, Itzik Klein,
• Abstract要約: 我々は,神経学的歩行と整形歩行が歩行分析を促進するかどうかを評価するため,慣性センサによる深層学習手法を開発した。 本研究は,慣性に基づく深層学習モデルが,実用的で客観的な診断・臨床支援に役立つ可能性を実証するものである。
• 参考スコア（独自算出の注目度）: 2.345669645919131
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Canine gait analysis using wearable inertial sensors is gaining attention in veterinary clinical settings, as it provides valuable insights into a range of mobility impairments. Neurological and orthopedic conditions cannot always be easily distinguished even by experienced clinicians. The current study explored and developed a deep learning approach using inertial sensor readings to assess whether neurological and orthopedic gait could facilitate gait analysis. Our investigation focused on optimizing both performance and generalizability in distinguishing between these gait abnormalities. Variations in sensor configurations, assessment protocols, and enhancements to deep learning model architectures were further suggested. Using a dataset of 29 dogs, our proposed approach achieved 96% accuracy in the multiclass classification task (healthy/orthopedic/neurological) and 82% accuracy in the binary classification task (healthy/non-healthy) when generalizing to unseen dogs. Our results demonstrate the potential of inertial-based deep learning models to serve as a practical and objective diagnostic and clinical aid to differentiate gait assessment in orthopedic and neurological conditions.
• Abstract（参考訳）: ウェアラブル慣性センサーを用いた犬の歩行分析は、様々な運動障害に関する貴重な洞察を提供するため、獣医臨床環境で注目を集めている。 神経学的、整形外科的状態は、経験豊富な臨床医でも容易に区別できない。 本研究は、神経学的歩行と整形歩行が歩行分析を促進するかどうかを評価するため、慣性センサーによる深層学習手法を研究・開発した。 本研究は,これらの歩行異常を識別する際の性能と一般化性の両方を最適化することに焦点を当てた。 さらに, センサ構成, 評価プロトコル, 深層学習モデルアーキテクチャの強化が示唆された。 提案手法は29匹の犬のデータセットを用いて, マルチクラス分類タスク(健康/orthopedic/neurological)において96%の精度, 二分分類タスク(健康/非健康)では82%の精度を得た。 本研究は, 整形外科的, 神経学的条件下での歩行評価を識別するために, 慣性に基づく深層学習モデルが, 実用的で客観的な診断・臨床支援の役割を果たす可能性を示すものである。

関連論文リスト

• SemioLLM: Evaluating Large Language Models for Diagnostic Reasoning from Unstructured Clinical Narratives in Epilepsy [45.2233252981348]
  臨床知識を符号化するための言語モデル(LLM)が示されている。 6つの最先端モデルをベンチマークする評価フレームワークであるSemioLLMを提案する。 ほとんどのLSMは、脳内の発作発生領域の確率的予測を正確かつ確実に生成できることを示す。
  論文  参考訳（メタデータ） (2024-07-03T11:02:12Z)
• Development and Validation of a Machine Learning Algorithm for Clinical Wellness Visit Classification in Cats and Dogs [2.653957656525645]
  獣医学における早期の疾患検出は、ウェルネス訪問中の無症状動物における下肢異常の同定に依存する。 本研究では,ウェルネスと他の獣医の訪問を区別するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-14T14:38:15Z)
• Comprehensive framework for evaluation of deep neural networks in detection and quantification of lymphoma from PET/CT images: clinical insights, pitfalls, and observer agreement analyses [0.9958347059366389]
  本研究はPET/CT画像からの自動リンパ腫分離における重要なギャップに対処する。 深層学習は悪性リンパ腫の病巣分類に応用されているが, アウト・オブ・ディストリビューション検査を取り入れた研究はほとんどない。 高い代謝活性を有する大強度病変に対して,ネットワークがより優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2023-11-16T06:58:46Z)
• A Saliency-based Clustering Framework for Identifying Aberrant Predictions [49.1574468325115]
  本稿では, 異常予測の概念を導入し, 分類誤差の性質が頻度と同じくらい重要であることを強調した。 本稿では,誤分類率の低減と異常予測の識別を両立する,新しい,効率的なトレーニング手法を提案する。 本手法を獣医学の分野である獣医学の分野に応用し, 被曝率は高いが, 人体医学に比べて広く研究されていない。
  論文  参考訳（メタデータ） (2023-11-11T01:53:59Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Deep Learning based Novel Cascaded Approach for Skin Lesion Analysis [7.371818587876888]
  本研究は,2段階の皮膚病変セグメンテーションの枠組みに焦点をあて,その後に病変解析の分類を行う。 皮膚病変分類のためのエンコーダデコーダアーキテクチャとCNNに基づく分類ネットワークを設計し,深層畳み込みニューラルネットワークアーキテクチャの有効性を検討した。 本手法は, 従来の分類法により, 病変の分類精度が有意に向上した第1種である。
  論文  参考訳（メタデータ） (2023-01-16T01:08:32Z)
• KIDS: kinematics-based (in)activity detection and segmentation in a sleep case study [5.707737640557724]
  睡眠行動とベッド内の運動は、人々の神経生理学的健康に関する豊富な情報を含んでいる。 本稿では,臨床的に有意な関節キネマティクスに基づく客観的(in)アクティビティ検出とセグメンテーションのためのオンラインベイズ確率的枠組みを提案する。
  論文  参考訳（メタデータ） (2023-01-04T16:24:01Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• OncoPetNet: A Deep Learning based AI system for mitotic figure counting on H&E stained whole slide digital images in a large veterinary diagnostic lab setting [47.38796928990688]
  OncoPetNetの開発において,複数の最先端ディープラーニング技術を用いて病理組織像分類と有糸体像検出を行った。 提案システムは,14種類の癌に対して,ヒトのエキスパートベースラインと比較して,41例の有糸分裂計数性能を有意に向上させた。 デプロイでは、2つのセンターで1日3,323枚のデジタル全スライド画像を処理する高スループット獣医診断サービスにおいて、効果的な0.27分/スライダー推論が達成された。
  論文  参考訳（メタデータ） (2021-08-17T20:01:33Z)

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。