Fugu-MT 論文翻訳(概要): AI-Based Stroke Rehabilitation Domiciliary Assessment System with ST

論文の概要: AI-Based Stroke Rehabilitation Domiciliary Assessment System with ST_GCN Attention

arxiv url: http://arxiv.org/abs/2510.00049v1
Date: Sat, 27 Sep 2025 16:45:56 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-03 16:59:20.137218
Title: AI-Based Stroke Rehabilitation Domiciliary Assessment System with ST_GCN Attention
Title（参考訳）: ST_GCNを考慮したAIによるストロークリハビリテーションドミトリリアリアセスメントシステム
Authors: Suhyeon Lim, Ye-eun Kim, Andrew J. Choi,
Abstract要約: ホームベースのリハビリテーション・エクササイズ・フィードバックシステムを提案する。本システムは,(1)RGB-Dカメラとウェアラブルセンサを備えたハードウェア構成により,ストロークの動きを捉え,(2)運動指導用モバイルアプリケーション,(3)評価とフィードバックのためのAIサーバから構成される。
参考スコア（独自算出の注目度）: 1.0781866671930853
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Effective stroke recovery requires continuous rehabilitation integrated with daily living. To support this need, we propose a home-based rehabilitation exercise and feedback system. The system consists of (1) hardware setup with RGB-D camera and wearable sensors to capture Stroke movements, (2) a mobile application for exercise guidance, and (3) an AI server for assessment and feedback. When Stroke user exercises following the application guidance, the system records skeleton sequences, which are then Assessed by the deep learning model, RAST-G@. The model employs a spatio-temporal graph convolutional network (ST-GCN) to extract skeletal features and integrates transformer-based temporal attention to figure out action quality. For system implementation, we constructed the NRC dataset, include 10 upper-limb activities of daily living (ADL) and 5 range-of-motion (ROM) collected from stroke and non-disabled participants, with Score annotations provided by licensed physiotherapists. Results on the KIMORE and NRC datasets show that RAST-G@ improves over baseline in terms of MAD, RMSE, and MAPE. Furthermore, the system provides user feedback that combines patient-centered assessment and monitoring. The results demonstrate that the proposed system offers a scalable approach for quantitative and consistent domiciliary rehabilitation assessment.
Abstract（参考訳）: 効果的な脳卒中回復には、日常生活と統合された継続的リハビリテーションが必要である。このニーズに対応するため,ホームベースのリハビリテーション・エクササイズ・フィードバックシステムを提案する。本システムは,(1)RGB-Dカメラとウェアラブルセンサを備えたハードウェア構成により,ストロークの動きを捉え,(2)運動指導用モバイルアプリケーション,(3)評価とフィードバックのためのAIサーバから構成される。 Strokeユーザがアプリケーションガイダンスに従ってトレーニングを行うと、システムはスケルトンシーケンスを記録し、それをディープラーニングモデルであるRAST-G@で評価する。このモデルは、時空間グラフ畳み込みネットワーク(ST-GCN)を用いて骨格の特徴を抽出し、トランスフォーマーに基づく時間的注意を統合して行動品質を推定する。システム実装のために,NRCデータセットを構築し,脳卒中および非障害者から収集した日常生活(ADL)と5つの運動域(ROM)の上位10つの活動と,ライセンスされた理学療法士によるScoreアノテーションを併用した。 KIMORE と NRC データセットの結果から,RAT-G@ は MAD,RMSE,MAPE のベースラインよりも改善されている。さらに,患者中心のアセスメントとモニタリングを組み合わせたユーザフィードバックも提供する。その結果,提案システムは定量的かつ一貫した学力的リハビリテーションアセスメントのためのスケーラブルなアプローチを提供することが示された。

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)
D-STGCNT: A Dense Spatio-Temporal Graph Conv-GRU Network based on transformer for assessment of patient physical rehabilitation [0.30693357740321775]
本稿では,リハビリテーション演習を評価するための新しいグラフベースモデルを提案する。デンス接続とGRU機構は、大きな3Dスケルトン入力を迅速に処理するために使用される。 KIMOREおよびUI-PRMDデータセットに対する提案手法の評価は,その可能性を強調した。
論文参考訳（メタデータ） (2023-12-21T00:38:31Z)
ARES: An Automated Evaluation Framework for Retrieval-Augmented Generation Systems [46.522527144802076]
本稿では,RAGシステム評価のための自動RAG評価システムであるARESを紹介する。 ARESは軽量LM判定器を微調整し、個々のRAG成分の品質を評価する。コードとデータセットをGithubで公開しています。
論文参考訳（メタデータ） (2023-11-16T00:39:39Z)
Design, Development, and Evaluation of an Interactive Personalized Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
論文参考訳（メタデータ） (2023-05-12T17:37:04Z)
A Robust and Scalable Attention Guided Deep Learning Framework for Movement Quality Assessment [5.190207094732673]
運動の正しさに対するフィードバックの欠如は、在宅リハビリテーションにおいて重大な問題である。本稿では,MQAの課題に対処するために,近年のディープラーニングの進歩を活用することを目的とする。
論文参考訳（メタデータ） (2022-04-16T16:37:30Z)
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)
Vogtareuth Rehab Depth Datasets: Benchmark for Marker-less Posture Estimation in Rehabilitation [55.41644538483948]
本研究では,リハビリテーションを行う患者の深度画像と2次元ポーズ情報を含む2つのリハビリテーション特異的ポーズデータセットを提案する。我々は、非リハブベンチマークデータセットに基づいてトレーニングされた、最先端のマーカーレス姿勢推定モデルを用いている。私たちのデータセットは、リハビリ特有の複雑な姿勢を検出するために、ポーズモデルを訓練するのに使用できます。
論文参考訳（メタデータ） (2021-08-23T16:18:26Z)
Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
論文参考訳（メタデータ） (2020-06-28T21:03:19Z)
Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文参考訳（メタデータ） (2020-06-18T09:49:11Z)
A Review of Computational Approaches for Evaluation of Rehabilitation Exercises [58.720142291102135]
本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
論文参考訳（メタデータ） (2020-02-29T22:18:56Z)

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。