論文の概要: An M-Health Algorithmic Approach to Identify and Assess Physiotherapy Exercises in Real Time
- arxiv url: http://arxiv.org/abs/2512.10437v1
- Date: Thu, 11 Dec 2025 08:56:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-12 16:15:42.291869
- Title: An M-Health Algorithmic Approach to Identify and Assess Physiotherapy Exercises in Real Time
- Title（参考訳）: M-Health Algorithmic Approach to Identify and Assess Physiotherapy Exercises in Realtime
- Authors: Stylianos Kandylakis, Christos Orfanopoulos, Georgios Siolas, Panayiotis Tsanakas,
- Abstract要約: 本研究は,モバイルデバイスを用いたヒト生理学療法のリアルタイム識別,分類,評価のための効率的なアルゴリズムフレームワークを提案する。
提案手法は,ポーズ推定ニューラルネットワークを用いてカメラ入力から推定される静止ポーズの列として運動運動を解釈する。
運動の完全な動きを認識し,所定のパターンから逸脱を検出するために,修正されたLevenshtein距離アルゴリズムに基づく動的プログラミング方式を用いる。
- 参考スコア（独自算出の注目度）: 0.20878272814614096
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work presents an efficient algorithmic framework for real-time identification, classification, and evaluation of human physiotherapy exercises using mobile devices. The proposed method interprets a kinetic movement as a sequence of static poses, which are estimated from camera input using a pose-estimation neural network. Extracted body keypoints are transformed into trigonometric angle-based features and classified with lightweight supervised models to generate frame-level pose predictions and accuracy scores. To recognize full exercise movements and detect deviations from prescribed patterns, we employ a dynamic-programming scheme based on a modified Levenshtein distance algorithm, enabling robust sequence matching and localization of inaccuracies. The system operates entirely on the client side, ensuring scalability and real-time performance. Experimental evaluation demonstrates the effectiveness of the methodology and highlights its applicability to remote physiotherapy supervision and m-health applications.
- Abstract（参考訳）: 本研究は,モバイルデバイスを用いたヒト生理学療法のリアルタイム識別,分類,評価のための効率的なアルゴリズムフレームワークを提案する。
提案手法は,ポーズ推定ニューラルネットワークを用いてカメラ入力から推定される静止ポーズの列として運動運動を解釈する。
抽出したボディーキーポイントは三角角に基づく特徴に変換され、軽量教師付きモデルで分類され、フレームレベルのポーズ予測と精度スコアを生成する。
運動の完全な動きを認識し,所定のパターンから逸脱を検出するために,修正されたLevenshtein距離アルゴリズムに基づく動的プログラミング方式を用いて,不正確な配列マッチングとロバストな位置決めを可能にする。
システムはクライアント側で完全に動作し、スケーラビリティとリアルタイムのパフォーマンスを保証する。
本手法の有効性を実験的に評価し,遠隔理学療法指導およびm-ヘルス応用への適用性を強調した。
関連論文リスト
- Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。
本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
論文 参考訳（メタデータ） (2025-03-20T12:28:08Z) - Online Reinforcement Learning-Based Dynamic Adaptive Evaluation Function for Real-Time Strategy Tasks [5.115170525117103]
リアルタイム戦略タスクの効果的な評価には、動的で予測不可能な環境に対処するための適応的なメカニズムが必要である。
本研究では,戦場状況変化に対するリアルタイム応答性評価機能の改善手法を提案する。
論文 参考訳（メタデータ） (2025-01-07T14:36:33Z) - 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) - 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) - A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳（メタデータ） (2022-11-08T09:54:34Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Joint Scene and Object Tracking for Cost-Effective Augmented Reality
Assisted Patient Positioning in Radiation Therapy [0.6299766708197884]
放射線治療における患者位置決めのためのAR(Augmented Reality)分野の研究は少ない。
本稿では,患者の位置追跡と患者の位置決定過程を対話的に支援する,効率的で費用対効果の高いアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-10-05T10:20:46Z) - 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) - Automatic Gesture Recognition in Robot-assisted Surgery with
Reinforcement Learning and Tree Search [63.07088785532908]
共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。
我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
論文 参考訳（メタデータ） (2020-02-20T13:12:38Z)
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。