論文の概要: HiLWS: A Human-in-the-Loop Weak Supervision Framework for Curating Clinical and Home Video Data for Neurological Assessment

• arxiv url: http://arxiv.org/abs/2509.10557v1
• Date: Tue, 09 Sep 2025 22:30:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.664032
• Title: HiLWS: A Human-in-the-Loop Weak Supervision Framework for Curating Clinical and Home Video Data for Neurological Assessment
• Title（参考訳）: HiLWS: 神経学的評価のための臨床および家庭内ビデオデータのキュレーションのための人力弱監視フレームワーク
• Authors: Atefeh Irani, Maryam S. Mirian, Alex Lassooij, Reshad Hosseini, Hadi Moradi, Martin J. McKeown,
• Abstract要約: ハンドモーター・タスク・ビデオのキュレーションとアノテートを行うためのHLWSについて述べる。 HiLWSは、まず専門家が提供するアノテーションを確率ラベルに集約するために弱い監督を施す新しいカスケードアプローチを採用している。 完全なパイプラインには、品質フィルタリング、最適化されたポーズ推定、タスク固有のセグメント抽出が含まれる。
• 参考スコア（独自算出の注目度）: 3.920493604448087
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video-based assessment of motor symptoms in conditions such as Parkinson's disease (PD) offers a scalable alternative to in-clinic evaluations, but home-recorded videos introduce significant challenges, including visual degradation, inconsistent task execution, annotation noise, and domain shifts. We present HiLWS, a cascaded human-in-the-loop weak supervision framework for curating and annotating hand motor task videos from both clinical and home settings. Unlike conventional single-stage weak supervision methods, HiLWS employs a novel cascaded approach, first applies weak supervision to aggregate expert-provided annotations into probabilistic labels, which are then used to train machine learning models. Model predictions, combined with expert input, are subsequently refined through a second stage of weak supervision. The complete pipeline includes quality filtering, optimized pose estimation, and task-specific segment extraction, complemented by context-sensitive evaluation metrics that assess both visual fidelity and clinical relevance by prioritizing ambiguous cases for expert review. Our findings reveal key failure modes in home recorded data and emphasize the importance of context-sensitive curation strategies for robust medical video analysis.
• Abstract（参考訳）: パーキンソン病(PD)のような病態における運動症状の映像ベース評価は、サイクリックな評価に代わるスケーラブルな代替手段を提供するが、家庭で録画されたビデオは、視覚的劣化、不整合タスクの実行、アノテーションノイズ、ドメインシフトなどの重要な課題をもたらす。 本報告では,HLWSについて述べる。HLWS,HLWS,Human-in-the-loop弱監視フレームワークは,臨床および家庭の両方で手動ビデオのキュレーションと注釈付けを行う。 従来の単一ステージの弱い監督手法とは異なり、HiLWSは新たなカスケードアプローチを採用し、まず専門家が提供するアノテーションを確率ラベルに集約し、機械学習モデルのトレーニングに使用する。 モデル予測は、専門家の入力と組み合わせて、弱監督の第2段階によって洗練される。 完全なパイプラインには、品質フィルタリング、最適化されたポーズ推定、タスク固有のセグメント抽出が含まれており、専門家レビューのためにあいまいなケースを優先順位付けすることで、視覚的忠実度と臨床関連性の両方を評価する文脈依存評価指標によって補完される。 本研究は、家庭内記録データにおける重要な障害モードを明らかにし、ロバストな医用ビデオ解析における文脈依存型キュレーション戦略の重要性を強調した。

関連論文リスト

• STROKEVISION-BENCH: A Multimodal Video And 2D Pose Benchmark For Tracking Stroke Recovery [41.140934816875806]
  StrokeVision-Benchは、脳卒中患者が臨床的に構造化されたブロック転送タスクを行う最初の専用データセットである。 StrokeVision-Benchは、1000本の注釈付きビデオを4つの臨床的に意味のあるアクションクラスに分類する。 我々は,現在最先端のビデオアクション認識と骨格に基づく動作分類手法のベンチマークを行い,性能ベースラインを確立する。
  論文  参考訳（メタデータ） (2025-09-02T18:48:37Z)
• Uncertainty-Driven Expert Control: Enhancing the Reliability of Medical Vision-Language Models [52.2001050216955]
  既存の方法は、モデル構造を調整したり、高品質なデータで微調整したり、好みの微調整によって、医療ビジョン言語モデル(MedVLM)の性能を向上させることを目的としている。 我々は,MedVLMと臨床専門知識の連携を図るために,Expert-Controlled-Free Guidance (Expert-CFG) という,ループ内のエキスパート・イン・ザ・ループフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-12T09:03:30Z)
• Interpretable and Granular Video-Based Quantification of Motor Characteristics from the Finger Tapping Test in Parkinson Disease [1.001970681951346]
  本稿では,ビデオ記録からPDモータ特性を定量化するコンピュータビジョンに基づく手法を提案する。 低スキネジア、ブレジキネシア、シークエンス・エフェクト、鎮静剤を特徴付けるために、臨床的に関係のある4つの特徴セットが提案されている。 運動障害学会統一パーキンソン病評価尺度 (MDS-UPDRS) の指触診スコアを推定するために, これらの特徴を機械学習分類器の訓練に利用した。
  論文  参考訳（メタデータ） (2025-06-19T12:49:06Z)
• AGIR: Assessing 3D Gait Impairment with Reasoning based on LLMs [0.0]
  歩行障害は、神経変性疾患の早期診断、疾患モニタリング、治療評価において重要な役割を果たす。 近年のディープラーニングベースのアプローチは、分類精度を一貫して改善しているが、解釈可能性に欠けることが多い。 本稿では、事前訓練されたVQ-VAEモーショントークンライザと、一対のモーショントークン上で微調整されたLarge Language Model(LLM)からなる新しいパイプラインであるAGIRを紹介する。
  論文  参考訳（メタデータ） (2025-03-23T17:12:16Z)
• Generalizable automated ischaemic stroke lesion segmentation with vision transformers [0.7400397057238803]
  拡散強調画像(DWI)は虚血性脳梗塞において最も高い発現率を示す。 したがって、現在のU-Netベースのモデルは、不適切な評価指標によってアクセント付けられる問題として、性能が劣っている。 本稿ではこれらの課題に対処する高性能なDWI病変分割ツールを提案する。
  論文  参考訳（メタデータ） (2025-02-10T19:00:00Z)
• LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
  LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。 本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。 実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
  論文  参考訳（メタデータ） (2025-01-07T08:49:04Z)
• Towards Stroke Patients' Upper-limb Automatic Motor Assessment Using Smartwatches [5.132618393976799]
  スマートウォッチを用いて脳卒中患者に対する上肢評価パイプラインを設計することを目的としている。 本研究の目的は,Fugl-Meyerアセスメント尺度に触発された4つの重要な動きを自動的に検出し,認識することである。
  論文  参考訳（メタデータ） (2022-12-09T14:00:49Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
  本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。 提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
  論文  参考訳（メタデータ） (2022-03-12T15:24:03Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)

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。