論文の概要: An Open-Source, Open Data Approach to Activity Classification from Triaxial Accelerometry in an Ambulatory Setting
- arxiv url: http://arxiv.org/abs/2604.09451v1
- Date: Fri, 10 Apr 2026 16:08:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-13 17:57:53.952638
- Title: An Open-Source, Open Data Approach to Activity Classification from Triaxial Accelerometry in an Ambulatory Setting
- Title（参考訳）: 3軸加速度計による環境条件下での活動分類へのオープンソース・オープンデータアプローチ
- Authors: Sepideh Nikookar, Edward Tian, Harrison Hoffman, Matthew Parks, J. Lucas McKay, Yashar Kiarashi, Tommy T. Thomas, Alex Hall, David W. Wright, Gari D. Clifford,
- Abstract要約: 我々は,50Hzの3軸加速度計をベースとしたオープンソースコードを用いたオープンデータセットを開発し,患者の活動レベルと自然な動きを分類する。
- 参考スコア（独自算出の注目度）: 3.3450877237535503
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The accelerometer has become an almost ubiquitous device, providing enormous opportunities in healthcare monitoring beyond step counting or other average energy estimates in 15-60 second epochs. Objective: To develop an open data set with associated open-source code for processing 50 Hz tri-axial accelerometry-based to classify patient activity levels and natural types of movement. Approach: Data were collected from 23 healthy subjects (16 males and seven females) aged between 23 and 62 years using an ambulatory device, which included a triaxial accelerometer and synchronous lead II equivalent ECG for an average of 26 minutes each. Participants followed a standardized activity routine involving five distinct activities: lying, sitting, standing, walking, and jogging. Two classifiers were constructed: a signal processing technique to distinguish between high and low activity levels and a convolutional neural network (CNN)-based approach to classify each of the five activities. Main results: The binary (high/low) activity classifier exhibited an F1 score of 0.79. The multi-class CNN-based classifier provided an F1 score of 0.83. The code for this analysis has been made available under an open-source license together with the data on which the classifiers were trained and tested. Significance: The classification of behavioral activity, as demonstrated in this study, offers valuable context for interpreting traditional health metrics and may provide contextual information to support the future development of clinical decision-making tools for patient monitoring, predictive analytics, and personalized health interventions.
- Abstract（参考訳）: 加速度計は、ほぼユビキタスなデバイスとなり、歩数や15〜60秒のエポックにおける平均エネルギー推定を超えた、医療監視の膨大な機会を提供している。
目的:50Hzの3軸加速度計をベースとしたオープンソースコードを用いたオープンデータセットを開発し,患者の活動レベルと自然な動きを分類する。
アプローチ:23歳から62歳までの健常者(男性16名,女性7名)を対象に,3軸加速度計と同期鉛II等価心電図を平均26分間使用し,健常者23名(男性16名,女性7名)のデータを収集した。
参加者は、嘘、座り、立ち、歩き、ジョギングの5つの異なる活動を含む標準化された活動ルーチンに従った。
高活動レベルと低活動レベルを区別する信号処理技術と、5つのアクティビティのそれぞれを分類する畳み込みニューラルネットワーク(CNN)ベースのアプローチの2つの分類器が構築された。
主な結果: バイナリ(ハイ/ロー)活性分類器はF1スコアが0.79。
マルチクラス CNN ベースの分類器は F1 スコアが 0.83 である。
この分析のコードは、分類器が訓練され、テストされたデータとともに、オープンソースライセンスの下で利用可能になっている。
意義: 行動行動の分類は, 従来の健康指標を解釈するための貴重な文脈を提供し, 患者モニタリング, 予測分析, パーソナライズされた健康介入のための臨床意思決定ツールの開発を支援するための文脈情報を提供する。
関連論文リスト
- PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。
部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。
The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
論文 参考訳（メタデータ） (2026-04-05T21:14:27Z) - AttentiveGRUAE: An Attention-Based GRU Autoencoder for Temporal Clustering and Behavioral Characterization of Depression from Wearable Data [46.262619407930266]
本稿では,時間的クラスタリングと縦型ウェアラブルデータによる結果の予測を目的とした,新しい注意型ゲートリカレントユニット(GRU)オートエンコーダであるAttentiveGRUAEを提案する。
372名(GLOBEM 2018-2019)の長期睡眠データからAttentiveGRUAEを評価する。
これは、クラスタリングの品質と抑うつの分類の両方において、ベースラインクラスタリング、ドメイン指向の自己教師付きモデル、および改善されたモデルよりも優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-02T20:52:16Z) - Human Activity Recognition Based on Electrocardiogram Data Only [5.367301239087641]
本研究は,6つの異なる活動において,心電図のみによる活動の堅牢な認識を初めて示す。
Squeeze-and-Excitationブロック付きCNN分類器を含む3つの新しいディープラーニングモデルの設計と評価を行った。
CNNTransformer hybridは、未確認の被験者の72%の精度に達するのに対し、54人の被験者のデータから6つの活動に対して、すべての3つのモデルが94%以上の精度を達成している。
論文 参考訳（メタデータ） (2025-09-14T01:26:32Z) - A Comprehensive Machine Learning Framework for Heart Disease Prediction: Performance Evaluation and Future Perspectives [0.0]
本研究では,心臓病予測のための機械学習ベースのフレームワークを提案する。
提案モデルでは, 心疾患を効果的に予測し, 臨床的意思決定を支援する可能性を示す。
論文 参考訳（メタデータ） (2025-05-15T05:13:38Z) - Multimodal Pretraining of Medical Time Series and Notes [45.89025874396911]
ディープラーニングモデルは、意味のあるパターンを抽出する際の約束を示すが、広範囲なラベル付きデータが必要である。
本稿では,臨床測定値とノートのアライメントに着目し,自己指導型事前学習を用いた新しいアプローチを提案する。
病院内での死亡予測や表現型化などの下流タスクでは、データのごく一部がラベル付けされた設定において、ベースラインよりも優れています。
論文 参考訳（メタデータ） (2023-12-11T21:53:40Z) - Jumpstarting Surgical Computer Vision [2.585559512929966]
我々は300以上の実験を通して、データセット合成を事前学習するためのレコメンデーションを開発する。
位相認識のための2つの公開ベンチマークにおいて、最先端の事前訓練よりも優れています。
論文 参考訳（メタデータ） (2023-12-10T18:54:16Z) - EMAHA-DB1: A New Upper Limb sEMG Dataset for Classification of
Activities of Daily Living [8.854624631197941]
データセットは、22のアクティビティを実行しながら、25人の有能な被験者から取得される。
5つのFAABOSカテゴリーの最先端の分類精度は83:21%である。
開発されたデータセットは、様々な分類方法のベンチマークとして使用することができる。
論文 参考訳（メタデータ） (2023-01-09T13:20:45Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳（メタデータ） (2021-11-25T10:11:41Z) - Learning Generalizable Physiological Representations from Large-scale
Wearable Data [12.863826659440026]
意味ラベルのない活動・心拍(HR)信号を用いた新しい自己教師型表現学習法を提案する。
その結果, 線形分類器を用いた伝達学習により, 様々な下流タスクにおいて, 埋め込みが一般化できることが示唆された。
本研究は,大規模健康・ライフスタイルモニタリングに寄与する行動・生理的データに対する,最初のマルチモーダル自己管理手法を提案する。
論文 参考訳（メタデータ） (2020-11-09T17:56:03Z) - CT-based COVID-19 Triage: Deep Multitask Learning Improves Joint
Identification and Severity Quantification [45.86448200141968]
感染リスクのある患者をできるだけ早期に分離する研究を優先するための新型コロナウイルスの同定、重度定量化、重篤な患者の研究の強調、病院への誘導、救急医療の提供の2つの基本的な設定について述べる。
両トリアージアプローチを統合するマルチタスクアプローチを提案し、利用可能なラベルを1つのモデルにまとめる畳み込みニューラルネットワークを提案する。
我々は約2000件の公開CT研究をトレーニングし、32件のCOVID-19研究、30件の細菌性肺炎、31件の健常患者、および30件の肺病理患者からなる慎重に設計したセットを用いて、典型的な患者の血流をエミュレートする。
論文 参考訳（メタデータ） (2020-06-02T08:05:06Z) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳（メタデータ） (2020-03-23T14:35:08Z)
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。