論文の概要: A Gait Foundation Model Predicts Multi-System Health Phenotypes from 3D Skeletal Motion

• arxiv url: http://arxiv.org/abs/2603.25283v1
• Date: Thu, 26 Mar 2026 10:21:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.241393
• Title: A Gait Foundation Model Predicts Multi-System Health Phenotypes from 3D Skeletal Motion
• Title（参考訳）: 3次元骨格運動から多系統健康現象を予測する歩行基礎モデル
• Authors: Adam Gabet, Sarah Kohn, Guy Lutsker, Shira Gelman, Anastasia Godneva, Gil Sasson, Arad Zulti, David Krongauz, Rotem Shaulitch, Assaf Rotem, Ohad Doron, Yuval Brodsky, Adina Weinberger, Eran Segal,
• Abstract要約: ゲイトはますます重要な兆候として認識されるが、現在のアプローチでは、全身的なバイオマーカーではなく、特定の病理の症状として扱われている。 5つの運動課題において,深度カメラで記録された3,414人の深部表現型成人の3次元骨格運動の歩行基礎モデルを構築した。
• 参考スコア（独自算出の注目度）: 0.5607972967536581
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gait is increasingly recognized as a vital sign, yet current approaches treat it as a symptom of specific pathologies rather than a systemic biomarker. We developed a gait foundation model for 3D skeletal motion from 3,414 deeply phenotyped adults, recorded via a depth camera during five motor tasks. Learned embeddings outperformed engineered features, predicting age (Pearson r = 0.69), BMI (r = 0.90), and visceral adipose tissue area (r = 0.82). Embeddings significantly predicted 1,980 of 3,210 phenotypic targets; after adjustment for age, BMI, VAT, and height, gait provided independent gains in all 18 body systems in males and 17 of 18 in females, and improved prediction of clinical diagnoses and medication use. Anatomical ablation revealed that legs dominated metabolic and frailty predictions while torso encoded sleep and lifestyle phenotypes. These findings establish gait as an independent multi-system biosignal, motivating translation to consumer-grade video and its integration as a scalable, passive vital sign.
• Abstract（参考訳）: ゲイトはますます重要な兆候として認識されているが、現在のアプローチでは、全身的なバイオマーカーではなく、特定の病理の症状として扱われている。 5つの運動課題において,深度カメラで記録された3,414人の深部表現型成人の3次元骨格運動の歩行基礎モデルを構築した。 学習された埋め込みは、年齢予測(ピアソンr = 0.69)、BMI(r = 0.90)、内臓脂肪組織面積(r = 0.82)など、工学的特徴よりも優れていた。 年齢、BMI、VAT、身長の調整後、歩行は男性18人、女性18人、女性17人に対して独立した利得を与え、臨床診断と薬物使用の予測を改善した。 解剖学的アブレーションでは, 脚が代謝, 疲労予測に支配的であり, 胴体は睡眠, ライフスタイルの表現型をコード化していた。 これらの知見は、歩行を独立したマルチシステムバイオシグナーとして確立し、コンシューマグレードのビデオへの翻訳を動機付け、スケーラブルでパッシブなバイタルサインとして統合した。

関連論文リスト

• UniSurg: A Video-Native Foundation Model for Universal Understanding of Surgical Videos [81.9180187964947]
  我々は,学習パラダイムを画素レベルの再構成から潜在動作予測に移行する基礎モデルUniSurgを提案する。 大規模な事前トレーニングを可能にするため,13の解剖学的領域にわたる50源からの3,658時間の動画を含む,これまでで最大規模の手術用ビデオデータセットをキュレートした。 これらの結果は、UniSurgを、ユニバーサルでモーション指向の外科的ビデオ理解の新しい標準として確立している。
  論文  参考訳（メタデータ） (2026-02-05T13:18:33Z)
• OpenMAP-BrainAge: Generalizable and Interpretable Brain Age Predictor [0.0]
  我々は,年齢予測モデルを構築し,人口統計学的・技術的MRIスキャンに頑健な年齢予測モデルを構築した。 モデルでは、3つの視点からT1次元擬似3次元MRIを処理し、線形脳情報を含む。
  論文  参考訳（メタデータ） (2025-06-21T05:24:42Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• Enhancing Brain Age Estimation with a Multimodal 3D CNN Approach Combining Structural MRI and AI-Synthesized Cerebral Blood Volume Data [14.815462507141163]
  脳年齢ギャップ推定(BrainAGE)は、脳年齢を理解するための神経画像バイオマーカーである。 現在のアプローチでは、主にT1強調MRI(T1w MRI)データを使用し、構造脳情報のみをキャプチャする。 我々は,VGGに基づくアーキテクチャを用いたディープラーニングモデルを開発し,線形回帰を用いた予測を組み合わせた。 我々のモデルは3.95年の平均絶対誤差(MAE)とテストセットの$R2$ 0.943を達成し、類似したデータでトレーニングされた既存のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2024-12-01T21:54:08Z)
• Atlas-Based Interpretable Age Prediction In Whole-Body MR Images [8.947616387158142]
  全身3D画像を用いて人体を大規模に老化させる方法について検討した。 我々はGrad-CAM法を用いて、人の年齢を最も予測する身体領域を推定する。 対象者の年齢を予測する上で,全身の3次元容積と全人口分析は,どの部位が最も重要な役割を担っているかという重要な洞察を与えることができる。
  論文  参考訳（メタデータ） (2023-07-14T16:04:03Z)
• Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
  神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
  論文  参考訳（メタデータ） (2022-01-27T16:37:19Z)
• Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
  磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。 バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。 最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
  論文  参考訳（メタデータ） (2021-12-23T14:51:45Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• Anatomy-aware 3D Human Pose Estimation with Bone-based Pose Decomposition [92.99291528676021]
  3次元関節位置を直接回帰するのではなく,骨方向予測と骨長予測に分解する。 私たちのモチベーションは、人間の骨格の骨の長さが時間とともに一定であることにあります。 我々の完全なモデルは、Human3.6MとMPI-INF-3DHPデータセットにおいて、以前の最高の結果よりも優れています。
  論文  参考訳（メタデータ） (2020-02-24T15:49:37Z)

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。