論文の概要: Adaptive Framework for Ambient Intelligence in Rehabilitation Assistance
- arxiv url: http://arxiv.org/abs/2507.08624v1
- Date: Fri, 11 Jul 2025 14:27:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-14 18:03:54.387216
- Title: Adaptive Framework for Ambient Intelligence in Rehabilitation Assistance
- Title（参考訳）: リハビリテーション支援におけるアンビエントインテリジェンスのための適応的枠組み
- Authors: Gábor Baranyi, Zsolt Csibi, Kristian Fenech, Áron Fóthi, Zsófia Gaál, Joul Skaf, András Lőrincz,
- Abstract要約: Ambient Intelligence Rehabilitation Support (AIRS)は、家庭のリハビリテーションに適した高度な人工知能ベースのソリューションである。
このフレームワークは、リアルタイム3D再構成(RT-3DR)、インテリジェントナビゲーション、大型ビジョンランゲージモデル(VLM)など、最先端技術を統合している。
AIRS内では、生活空間のRT-3DRを実行するためにスマートフォンが使用され、運動に関する視覚的なフィードバックを提供するために体にフィットしたアバターを備えている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces the Ambient Intelligence Rehabilitation Support (AIRS) framework, an advanced artificial intelligence-based solution tailored for home rehabilitation environments. AIRS integrates cutting-edge technologies, including Real-Time 3D Reconstruction (RT-3DR), intelligent navigation, and large Vision-Language Models (VLMs), to create a comprehensive system for machine-guided physical rehabilitation. The general AIRS framework is demonstrated in rehabilitation scenarios following total knee replacement (TKR), utilizing a database of 263 video recordings for evaluation. A smartphone is employed within AIRS to perform RT-3DR of living spaces and has a body-matched avatar to provide visual feedback about the excercise. This avatar is necessary in (a) optimizing exercise configurations, including camera placement, patient positioning, and initial poses, and (b) addressing privacy concerns and promoting compliance with the AI Act. The system guides users through the recording process to ensure the collection of properly recorded videos. AIRS employs two feedback mechanisms: (i) visual 3D feedback, enabling direct comparisons between prerecorded clinical exercises and patient home recordings and (ii) VLM-generated feedback, providing detailed explanations and corrections for exercise errors. The framework also supports people with visual and hearing impairments. It also features a modular design that can be adapted to broader rehabilitation contexts. AIRS software components are available for further use and customization.
- Abstract（参考訳）: 本稿では,ホームリハビリテーションに適した高度な人工知能ベースのソリューションであるAIRS(Ambient Intelligence Rehabilitation Support)フレームワークを紹介する。
AIRSは、リアルタイム3D再構成(RT-3DR)、インテリジェントナビゲーション、大型ビジョンランゲージモデル(VLM)などの最先端技術を統合し、機械誘導の物理的リハビリテーションのための総合的なシステムを構築する。
一般的なAIRSフレームワークは人工膝置換(TKR)後のリハビリテーションシナリオにおいて,263本のビデオ記録のデータベースを用いて評価を行う。
AIRS内では、生活空間のRT-3DRを実行するためにスマートフォンが使用され、運動に関する視覚的なフィードバックを提供するために体にフィットしたアバターを備えている。
このアバターは必要です
(a)カメラ設置、患者の位置決め、初期ポーズ等の運動構成の最適化
b) プライバシーの懸念に対処し、AI法への遵守を促進すること。
このシステムは、ユーザを記録プロセスを通じてガイドし、適切に記録されたビデオの収集を保証する。
AIRSは2つのフィードバックメカニズムを採用している。
(i)事前に記録した臨床演習と患者の在宅記録との直接比較が可能な視覚的3Dフィードバック
(II) VLM生成フィードバックにより,運動誤差の詳細な説明と補正を行う。
このフレームワークは視覚障害者や聴覚障害者もサポートしている。
また、より広い再生状況に適応可能なモジュラーデザインも備えている。
AIRSソフトウェアコンポーネントは、さらなる使用とカスタマイズが可能である。
関連論文リスト
- Explainable AI for Collaborative Assessment of 2D/3D Registration Quality [50.65650507103078]
本稿では,2D/3D登録品質検証に特化して訓練された最初の人工知能フレームワークを提案する。
我々の説明可能なAI(XAI)アプローチは、人間のオペレーターに対する情報意思決定を強化することを目的としている。
論文 参考訳（メタデータ） (2025-07-23T15:28:57Z) - Visual Feedback of Pattern Separability Improves Myoelectric Decoding Performance of Upper Limb Prostheses [0.7528462379265576]
最先端の上肢筋電義手は、しばしばパターン認識(PR)制御システムを使用する。
既存のトレーニングは、通常、スタティックデコーダ境界に対するトライアルとエラーのユーザ調整を含む。
本稿では,EMG信号を直接デコーダの分類空間に投影する3DビジュアルインタフェースであるReviewerを紹介する。
論文 参考訳（メタデータ） (2025-05-14T21:47:28Z) - Towards user-centered interactive medical image segmentation in VR with an assistive AI agent [0.5578116134031106]
本稿では,3次元医療概念のローカライズ,セグメンテーション,可視化を支援する,医療用VR用対話型AIエージェントSAMIRAを提案する。
このシステムは、患者固有の解剖学的理解を高めるために、セグメント化された病理の真の3次元可視化もサポートする。
ユーザスタディでは、高いユーザビリティスコア(SUS=90.0$pm$9.0)、全体のタスク負荷の低減、提案されたVRシステムのガイダンスの強力なサポートが示された。
論文 参考訳（メタデータ） (2025-05-12T03:47:05Z) - Towards nation-wide analytical healthcare infrastructures: A privacy-preserving augmented knee rehabilitation case study [0.0]
本稿では,近い将来のプライバシ保護型ビッグデータ分析医療プラットフォームに貢献する。
実験には、実生活の膝リハビリテーションビデオデータセットが含まれる。
モバイルから動画をプライバシー保護の診断タイムリーデータに変換するために,Google MediaPipeのポーズ推定を採用した。
開発した概念実証アルゴリズムは、患者にスティックフィギュア要素をオーバーレイすることで、膝運動ビデオを強化することができる。
論文 参考訳（メタデータ） (2024-12-30T06:14:48Z) - SelfDRSC++: Self-Supervised Learning for Dual Reversed Rolling Shutter Correction [72.05587640928879]
二重反転RS歪み補正(SelfDRSC++)のための自己教師付き学習フレームワークを提案する。
双方向相関マッチングブロックを組み込んだ軽量DRSCネットワークを導入し,光学流の結合最適化とRS特性の補正を行う。
DRSCネットワークを効果的に訓練するために、入力と再構成された二重逆RS画像間のサイクル整合性を保証する自己教師付き学習戦略を提案する。
論文 参考訳（メタデータ） (2024-08-21T08:17:22Z) - DA-BEV: Unsupervised Domain Adaptation for Bird's Eye View Perception [104.87876441265593]
カメラのみのBird's Eye View (BEV)は3次元空間における環境認識に大きな可能性を示した。
非教師なし領域適応型BEVは、様々な未ラベル対象データから効果的に学習するが、まだ未探索である。
DA-BEVは、画像ビュー機能とBEV機能の相補性を利用して、ドメイン適応型BEV課題に対処する、最初のドメイン適応型カメラのみのBEVフレームワークである。
論文 参考訳（メタデータ） (2024-01-13T04:21:24Z) - AV-RIR: Audio-Visual Room Impulse Response Estimation [49.469389715876915]
室内インパルス応答(RIR)の正確な推定は,音声処理やAR/VR応用において重要である。
本稿では,与えられた残響音声信号と対応する環境の視覚的手がかりからRIRを正確に推定する,新しいマルチモーダルマルチタスク学習手法であるAV-RIRを提案する。
論文 参考訳（メタデータ） (2023-11-30T22:58:30Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - Tele-EvalNet: A Low-cost, Teleconsultation System for Home based
Rehabilitation of Stroke Survivors using Multiscale CNN-LSTM Architecture [7.971065005161566]
本稿では,ライブフィードバックモデルと全体的なパフォーマンス評価モデルという,2つのコンポーネントからなる新しいシステムであるTele-EvalNetを提案する。
ライブフィードバックモデルは、カラーマーカーを使用してハイライトされた指示を簡単に理解し、エクササイズ正しさに関するフィードバックを示す。
総合的なパフォーマンス評価モデルでは,臨床医の成績に応じて,関節データのスコアへのマッピングを学習する。
論文 参考訳（メタデータ） (2021-12-06T16:58:00Z) - AEGIS: A real-time multimodal augmented reality computer vision based
system to assist facial expression recognition for individuals with autism
spectrum disorder [93.0013343535411]
本稿では,コンピュータビジョンと深部畳み込みニューラルネットワーク(CNN)を組み合わせたマルチモーダル拡張現実(AR)システムの開発について述べる。
提案システムはAIGISと呼ばれ,タブレット,スマートフォン,ビデオ会議システム,スマートグラスなど,さまざまなユーザデバイスにデプロイ可能な支援技術である。
我々は空間情報と時間情報の両方を活用して正確な表現予測を行い、それを対応する可視化に変換し、元のビデオフレーム上に描画する。
論文 参考訳（メタデータ） (2020-10-22T17:20:38Z) - Optimal Assistance for Object-Rearrangement Tasks in Augmented Reality [2.6408564999772857]
Augmented-Reality(AR)メガネは、オンボードセンサーにアクセスでき、クオーディアンタスクでユーザー支援を提供する機会を提供する。
本稿では、最適なアクションシーケンスとエンボディエージェントのポリシーを関連付けることで、ARアシストの計算と表示を行う新しいフレームワークを提案する。
提案したAR支援が,タスクの難易度に対するユーザのタスクパフォーマンスとエージェンシー感覚に与える影響について検討した。
論文 参考訳（メタデータ） (2020-10-14T18:46:07Z)
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。