論文の概要: Portable Biomechanics Laboratory: Clinically Accessible Movement Analysis from a Handheld Smartphone
- arxiv url: http://arxiv.org/abs/2507.08268v1
- Date: Fri, 11 Jul 2025 02:29:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-14 18:03:54.22663
- Title: Portable Biomechanics Laboratory: Clinically Accessible Movement Analysis from a Handheld Smartphone
- Title（参考訳）: 携帯型バイオメカニクス実験室:携帯型スマートフォンの臨床的アクセシブル動作解析
- Authors: J. D. Peiffer, Kunal Shah, Irina Djuraskovic, Shawana Anarwala, Kayan Abdou, Rujvee Patel, Prakash Jayabalan, Brenton Pennicooke, R. James Cotton,
- Abstract要約: 人の動きは、神経学的および筋骨格の健康を直接反映したものだが、臨床実践において最も利用されていない重要な兆候の1つである。
データ収集のためのセキュアでクラウド対応のスマートフォンアプリと、このデータにバイオメカニクスモデルを適用するための新しいアルゴリズムを含む、ポータブルバイオメカニクス研究所(PBL)を紹介します。
- 参考スコア（独自算出の注目度）: 1.3060095849496556
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The way a person moves is a direct reflection of their neurological and musculoskeletal health, yet it remains one of the most underutilized vital signs in clinical practice. Although clinicians visually observe movement impairments, they lack accessible and validated methods to objectively measure movement in routine care. This gap prevents wider use of biomechanical measurements in practice, which could enable more sensitive outcome measures or earlier identification of impairment. We present our Portable Biomechanics Laboratory (PBL), which includes a secure, cloud-enabled smartphone app for data collection and a novel algorithm for fitting biomechanical models to this data. We extensively validated PBL's biomechanical measures using a large, clinically representative dataset. Next, we tested the usability and utility of our system in neurosurgery and sports medicine clinics. We found joint angle errors within 3 degrees across participants with neurological injury, lower-limb prosthesis users, pediatric inpatients, and controls. In addition to being easy to use, gait metrics computed from the PBL showed high reliability and were sensitive to clinical differences. For example, in individuals undergoing decompression surgery for cervical myelopathy, the mJOA score is a common patient-reported outcome measure; we found that PBL gait metrics correlated with mJOA scores and demonstrated greater responsiveness to surgical intervention than the patient-reported outcomes. These findings support the use of handheld smartphone video as a scalable, low-burden tool for capturing clinically meaningful biomechanical data, offering a promising path toward accessible monitoring of mobility impairments. We release the first clinically validated method for measuring whole-body kinematics from handheld smartphone video at https://intelligentsensingandrehabilitation.github.io/MonocularBiomechanics/ .
- Abstract（参考訳）: 人の動きは、神経学的および筋骨格の健康を直接反映したものだが、臨床実践において最も利用されていない重要な兆候の1つである。
臨床医は視覚的に運動障害を観察するが、日常的なケアにおける運動を客観的に測定するためのアクセス可能で検証された方法が欠如している。
このギャップは、実際にバイオメカニカル測定を広く使用するのを防ぎ、より敏感な結果測定や、早期の障害の特定を可能にする。
データ収集のためのセキュアでクラウド対応のスマートフォンアプリと、このデータにバイオメカニクスモデルを適用するための新しいアルゴリズムを含む、ポータブルバイオメカニクス研究所(PBL)を紹介します。
我々は,PBLのバイオメカニカル指標を,大規模で臨床的に代表されるデータセットを用いて広範囲に検証した。
次に,神経外科およびスポーツ医療クリニックにおけるシステムの有用性と有用性を検討した。
また, 神経障害, 下肢義歯使用者, 小児入院患者, コントロール者に対して, 関節角度の誤差が3度以内に認められた。
PBLから算出した歩行測定値は,使いやすく,信頼性が高く,臨床差に敏感であった。
例えば, 頚髄症に対する除圧手術を行った症例では, mJOAスコアは一般的な患者報告結果であり, PBL歩行測定値とmJOAスコアの相関がみられ, 手術介入に対する応答性が患者報告結果より高かった。
これらの知見は,手持ちのスマートフォンビデオを,臨床的に意味のある生体力学的データを取得するための,スケーラブルでローバーデンなツールとして活用することを支援する。
本研究は,携帯型スマートフォンを用いた全身運動学計測法として初めて臨床的に検証された方法である https://intelligentsensingandrehabilitation.github.io/MonocularBiomechanics/。
関連論文リスト
- AI on the Pulse: Real-Time Health Anomaly Detection with Wearable and Ambient Intelligence [4.494833548150712]
我々は、患者を継続的に監視する現実世界の異常検知システムであるPulseにAIを導入する。
SoTA(State-of-the-art)のユニバーサル時系列モデルであるUniTSによって、我々のフレームワークは患者のユニークな生理的および行動的パターンを自律的に学習する。
論文 参考訳（メタデータ） (2025-08-05T13:24:15Z) - Validation of Human Pose Estimation and Human Mesh Recovery for Extracting Clinically Relevant Motion Data from Videos [79.62407455005561]
人間のポーズ推定を用いたマーカーレスモーションキャプチャは、IMUとMoCapのキネマティクスの結果とインラインで結果を生成する。
生成するデータの品質に関してはまだ改善の余地がありますが、この妥協はエラーの部屋にあると考えています。
論文 参考訳（メタデータ） (2025-03-18T22:18:33Z) - Detecting Activities of Daily Living in Egocentric Video to Contextualize Hand Use at Home in Outpatient Neurorehabilitation Settings [2.9158689853305693]
本研究では, 現実のリハビリテーション環境において, 日常生活活動(ADL)を効果的に認識することが可能であることを示す。
健常者16名を対象に,エゴセントリックな映像を2261分収録した複雑なデータセットを用いて実験を行った。
論文 参考訳（メタデータ） (2024-12-14T14:38:27Z) - Training-free image style alignment for self-adapting domain shift on
handheld ultrasound devices [54.476120039032594]
本稿では,ハンドヘルドデバイスデータのスタイルを標準デバイスと整合させるための,トレーニングフリーなイメージスタイルアライメント(TISA)フレームワークを提案する。
TISAは、余分な訓練なしにハンドヘルドデバイスイメージを直接推測することができ、臨床応用に適している。
論文 参考訳（メタデータ） (2024-02-17T07:15:23Z) - A comparative study on wearables and single-camera video for upper-limb
out-of-thelab activity recognition with different deep learning architectures [0.0]
IMU(High-end Inertial Measurement Unit)は、臨床および研究環境での身体活動の評価において、ますます人気が高まっている。
アウト・オブ・ザ・ラブ環境における患者追跡の実現可能性を高めるためには,移動獲得のためのデバイス数を減らす必要がある。
臨床関連データを認識・消化できる機械学習システムの開発が必要である。
論文 参考訳（メタデータ） (2024-02-04T19:45:59Z) - A marker-less human motion analysis system for motion-based biomarker
discovery in knee disorders [60.99112047564336]
NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。
膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
論文 参考訳（メタデータ） (2023-04-26T16:47:42Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - Reducing a complex two-sided smartwatch examination for Parkinson's
Disease to an efficient one-sided examination preserving machine learning
accuracy [63.20765930558542]
パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。
本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
論文 参考訳（メタデータ） (2022-05-11T09:12:59Z) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳（メタデータ） (2021-04-29T00:11:32Z) - Learning Generalizable Physiological Representations from Large-scale
Wearable Data [12.863826659440026]
意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。
その結果, 線形分類器を用いた伝達学習により, 様々な下流タスクにおいて, 埋め込みが一般化できることが示唆された。
本研究は,大規模健康・ライフスタイルモニタリングに寄与する行動・生理的データに対する,最初のマルチモーダル自己管理手法を提案する。
論文 参考訳（メタデータ） (2020-11-09T17:56:03Z)
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。