論文の概要: Deep Learning Pose Estimation for Multi-Label Recognition of Combined Hyperkinetic Movement Disorders

• arxiv url: http://arxiv.org/abs/2602.00163v1
• Date: Thu, 29 Jan 2026 21:55:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.018311
• Title: Deep Learning Pose Estimation for Multi-Label Recognition of Combined Hyperkinetic Movement Disorders
• Title（参考訳）: 複合運動障害のマルチラベル認識のための深層学習電位推定
• Authors: Laura Cif, Diane Demailly, Gabriella A. Horvàth, Juan Dario Ortigoza Escobar, Nathalie Dorison, Mayté Castro Jiménez, Cécile A. Hubsch, Thomas Wirth, Gun-Marie Hariz, Sophie Huby, Morgan Dornadic, Zohra Souei, Muhammad Mushhood Ur Rehman, Simone Hemm, Mehdi Boulayme, Eduardo M. Moraud, Jocelyne Bloch, Xavier Vasques,
• Abstract要約: 高運動性運動障害(HMD)、例えばジストニア、震え、コレア、ミオクローヌス、およびティクスは、幼少期から成人期にかけて運動障害を悪化させている。 そこで我々は,標準的な外来ビデオから解剖学的に意味のあるキーポイント時系列に変換する,ポーズベースの機械学習フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperkinetic movement disorders (HMDs) such as dystonia, tremor, chorea, myoclonus, and tics are disabling motor manifestations across childhood and adulthood. Their fluctuating, intermittent, and frequently co-occurring expressions hinder clinical recognition and longitudinal monitoring, which remain largely subjective and vulnerable to inter-rater variability. Objective and scalable methods to distinguish overlapping HMD phenotypes from routine clinical videos are still lacking. Here, we developed a pose-based machine-learning framework that converts standard outpatient videos into anatomically meaningful keypoint time series and computes kinematic descriptors spanning statistical, temporal, spectral, and higher-order irregularity-complexity features.
• Abstract（参考訳）: 高運動性運動障害(HMD)、例えばジストニア、震え、コレア、ミオクローヌス、およびティクスは、幼少期から成人期にかけて運動障害を悪化させている。 ゆらぎ、断続的で、頻繁に起こる表現は、臨床認識や経時モニタリングを妨げ、主に主観的であり、ラター間の変動に弱いままである。 重なり合うHMD表現型と通常の臨床ビデオとを区別するための客観的かつスケーラブルな手法はいまだに欠けている。 そこで我々は,標準外来動画を解剖学的に意味のあるキーポイント時系列に変換し,統計的・時間的・スペクトル的・高次不規則な特徴にまたがるキネマティック記述子を計算する,ポーズベースの機械学習フレームワークを開発した。

関連論文リスト

• Detecting Autism Spectrum Disorder with Deep Eye Movement Features [9.225838905985958]
  自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、社会的コミュニケーションの障害と行動パターンを特徴とする神経発達障害である。 眼球運動データは、ASD検出のための非侵襲的診断ツールを提供する。 微妙で複雑な眼球運動パターンを効果的に捉えるために、離散的短期連続モデリングフレームワーク(DSTS)が設計されている。
  論文  参考訳（メタデータ） (2026-01-09T14:35:24Z)
• TARDis: Time Attenuated Representation Disentanglement for Incomplete Multi-Modal Tumor Segmentation and Classification [10.329406702659123]
  造影CT(Contrat-enhanced Computed Tomography)における腫瘍の分画と診断は,造影剤の生理的動態に大きく依存している。 既存のディープラーニングアプローチは、欠落した相を欠落した独立したチャネルとして扱い、血行動態の本質的な時間的連続性を無視している。 本稿では,連続時間短縮曲線の欠落点として欠落点を再定義する新しい物理認識フレームワークであるTime Attenuated Representation Disentanglement (TARDis)を提案する。
  論文  参考訳（メタデータ） (2025-12-04T08:44:50Z)
• Conditional Neural ODE for Longitudinal Parkinson's Disease Progression Forecasting [51.906871559732245]
  パーキンソン病(PD)は異質で進化する脳形態計測パターンを示す。 これらの縦方向の軌跡をモデル化することで、機械的な洞察、治療の発展、そして個別化された「デジタルツイン」予測が可能になる。 連続的な個人化されたPD進行予測のための新しいフレームワークであるCNODEを提案する。
  論文  参考訳（メタデータ） (2025-11-06T20:16:33Z)
• MVICAD2: Multi-View Independent Component Analysis with Delays and Dilations [61.59658203704757]
  本稿では,時間的遅延と拡張の両面において,被験者間でソースを異にするMVICAD(Multi-View Independent Component Analysis with Delays and Dilations)を提案する。 本稿では, 正則化と最適化手法を用いて, 性能向上を図るため, 正則化と最適化手法を用いて, その可能性の近似を導出する。
  論文  参考訳（メタデータ） (2025-01-13T15:47:02Z)
• Deep Learning-Based Classification of Hyperkinetic Movement Disorders in Children [0.0]
  小児の高速度運動障害 (HMD) は, 重なり合う臨床的特徴により, 重要な診断上の課題となる。 本研究では,運動課題を遂行する小児患者の映像記録からジストニアと胆管を区別するニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2024-11-19T22:02:04Z)
• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [50.56875995511431]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• Individualized Dosing Dynamics via Neural Eigen Decomposition [51.62933814971523]
  ニューラル固有微分方程式アルゴリズム(NESDE)を導入する。 NESDEは個別化モデリング、新しい治療ポリシーへの調整可能な一般化、高速で連続的でクローズドな予測を提供する。 本研究は, 総合的・現実的な医療問題におけるNESDEの堅牢性を実証し, 学習力学を用いて, 模擬医療体育環境の公開を行う。
  論文  参考訳（メタデータ） (2023-06-24T17:01:51Z)
• Estimating Motor Symptom Presence and Severity in Parkinson's Disease from Wrist Accelerometer Time Series using ROCKET and InceptionTime [4.1125736844411644]
  InceptionTimeとRandOm Convolutional KErnel TransformをParkinsonの症状モニタリングに有効であるとして検討した。 InceptionTimeの高学習能力は複雑なムーブメントパターンのモデリングに適しており、ROCKETは小さなデータセットに適している。 以上の結果から, 震度とブラジキネジアの有無を適度に評価できるが, ジスキネジア検出の課題に遭遇する可能性が示唆された。
  論文  参考訳（メタデータ） (2023-04-21T22:38:44Z)
• Non-contact Pain Recognition from Video Sequences with Remote Physiological Measurements Prediction [53.03469655641418]
  痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。 我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
  論文  参考訳（メタデータ） (2021-05-18T20:47:45Z)

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。