論文の概要: Fall Risk and Gait Analysis in Community-Dwelling Older Adults using World-Spaced 3D Human Mesh Recovery

• arxiv url: http://arxiv.org/abs/2604.11961v1
• Date: Mon, 13 Apr 2026 18:52:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.069956
• Title: Fall Risk and Gait Analysis in Community-Dwelling Older Adults using World-Spaced 3D Human Mesh Recovery
• Title（参考訳）: World-Spaced 3D Human Mesh を用いた地域在住高齢者の転倒リスクと歩行分析
• Authors: Chitra Banarjee, Patrick Kwon, Ania Lipat, Rui Xie, Chen Chen, Ladda Thiamwong,
• Abstract要約: 我々は3D Human Mesh Recovery (HMR) モデルを用いて、Timed Up and Goテストが完了した高齢者の記録から歩行パラメータを抽出する。 その結果, 生態学的起源のステップタイムはIMUによるインソール測定と有意な相関が認められた。 より短く、より可変なステップ長とより長いスタント・トゥ・スタンディング期間は、高い自己評価の転倒リスクと転倒の恐れによって予測された。
• 参考スコア（独自算出の注目度）: 7.0435068163687475
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Gait assessment is a key clinical indicator of fall risk and overall health in older adults. However, standard clinical practice is largely limited to stopwatch-measured gait speed. We present a pipeline that leverages a 3D Human Mesh Recovery (HMR) model to extract gait parameters from recordings of older adults completing the Timed Up and Go (TUG) test. From videos recorded across different community centers, we extract and analyze spatiotemporal gait parameters, including step time, sit-to-stand duration, and step length. We found that video-derived step time was significantly correlated with IMU-based insole measurements. Using linear mixed effects models, we confirmed that shorter, more variable step lengths and longer sit-to-stand durations were predicted by higher self-rated fall risk and fear of falling. These findings demonstrate that our pipeline can enable accessible and ecologically valid gait analysis in community settings.
• Abstract（参考訳）: 歩行評価は、高齢者の転倒リスクと全体的な健康の指標である。 しかし、標準的な臨床実践は、歩行速度を計測するストップウォッチに限られている。 本研究では,高齢者の歩行パラメータを3次元HMRモデルを用いて抽出し,TIMED Up and Go(TUG)テストを完成させるパイプラインを提案する。 異なるコミュニティセンターで録画されたビデオから,ステップタイム,スタント・トゥ・スタント,ステップ長などの時空間歩行パラメータを抽出し,分析する。 ビデオ由来のステップタイムはIMUによるインソール測定と有意な相関が認められた。 線形混合効果モデルを用いて、より短く、より可変なステップ長と、より長いスタンディング・トゥ・スタンディング期間が、より高い自己評価の転倒リスクと転倒の恐れによって予測されたことを確認した。 これらの結果から,我々のパイプラインは,コミュニティ環境において,アクセス可能かつ生態学的に有効な歩行分析を可能にすることが示唆された。

関連論文リスト

• Towards Athlete Fatigue Assessment from Association Football Videos [53.20057980542362]
  本稿では,ピッチ座標における選手軌跡を抽出する最先端のゲーム状態再構成手法を構築した。 次に,これらの信号から加速度-速度プロファイルを構築し,その挙動を疲労関連性能指標として解析する。 以上の結果から,単眼映像は,A-S時間と相性のあるキネマティックなパターンを回復すると同時に,トラジェクティブノイズ,校正誤差,放送映像固有の時間的不連続性に敏感であることが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-07T09:36:28Z)
• Q-PART: Quasi-Periodic Adaptive Regression with Test-time Training for Pediatric Left Ventricular Ejection Fraction Regression [45.69922532213079]
  適応型左室エジェクション・フラクション(LVEF)の評価の課題に対処する。 我々はtextbfTest-time Training (Q-PART) フレームワークを用いた textbfQuasi-textbfPeriodic textbfAdaptive textbfRegression を提案する。
  論文  参考訳（メタデータ） (2025-03-06T06:24:51Z)
• VidSole: A Multimodal Dataset for Joint Kinetics Quantification and Disease Detection with Deep Learning [10.033899828022525]
  関節内装は変形性膝関節症などの歩行関連疾患の診断に重要である。 足下の5つの高圧点の3軸力とモーメントを測定した。 VidSoleは、これらのインソールによって測定された力とモーメントと、対応するRGBビデオで構成されている。
  論文  参考訳（メタデータ） (2025-01-28T15:18:00Z)
• GaitMotion: A Multitask Dataset for Pathological Gait Forecasting [8.305371944195384]
  GaitMotionは、ウェアラブルセンサーを活用するデータセットで、患者のリアルタイムな動きを病理学的な歩行で捉えます。 このデータセットは、ステップ/ストライドのセグメンテーションやステップ/ストライドの長さの予測など、複数のタスクに対して、広範な地上構造ラベリングを提供する。 このウェアラブル歩行分析スーツは、正常と病理の両方の歩行周期、パターン、パラメータをキャプチャする。
  論文  参考訳（メタデータ） (2024-05-09T14:45:02Z)
• Parsimony or Capability? Decomposition Delivers Both in Long-term Time Series Forecasting [46.63798583414426]
  時系列予測(LTSF)は時系列分析において重要なフロンティアである。 本研究は, 分析的および実証的な証拠から, 分解が過剰なモデルインフレーションを包含する鍵であることを実証する。 興味深いことに、時系列データの本質的なダイナミクスに分解を合わせることで、提案モデルは既存のベンチマークより優れている。
  論文  参考訳（メタデータ） (2024-01-22T13:15:40Z)
• Step length measurement in the wild using FMCW radar [81.9433966586583]
  住宅用レーダを用いたステップ長測定システムを提案する。 健常成人35名を対象に, 臨床環境の評価を行い, その妥当性を確認した。
  論文  参考訳（メタデータ） (2024-01-03T18:23:30Z)
• Pose2Gait: Extracting Gait Features from Monocular Video of Individuals with Dementia [3.2739089842471136]
  認知症高齢者の歩行の映像に基づく環境モニタリングは、健康のネガティブな変化を検出する可能性がある。 コンピュータビジョンに基づくポーズトラッキングモデルは、ビデオデータを自動的に処理し、関節位置を抽出することができる。 これらのモデルは、高齢者や臨床集団の歩行分析に最適化されていない。
  論文  参考訳（メタデータ） (2023-08-22T14:59:17Z)
• Gait Cycle-Inspired Learning Strategy for Continuous Prediction of Knee Joint Trajectory from sEMG [24.608475386117426]
  本稿では,2つの歩行サイクルにインスパイアされた学習戦略を統合し,膝関節の軌道予測の課題を軽減するモデルを提案する。 異なるネットワークエンティティを通して学習することにより、モデルは共通の歩行特徴とパーソナライズされた歩行特徴の両方をキャプチャする。 実験結果から, 平均根平均二乗誤差(RMSE)を3.03度(0.49度), 50ms前後で予測できることが示唆された。
  論文  参考訳（メタデータ） (2023-07-25T02:23:58Z)
• Last Iterate Risk Bounds of SGD with Decaying Stepsize for Overparameterized Linear Regression [122.70478935214128]
  勾配降下(SGD)は、多くのディープラーニングアプリケーションでよく一般化されている。 本稿では, 崩壊段階のSGDの最終反復リスク境界に関する問題依存解析を行う。
  論文  参考訳（メタデータ） (2021-10-12T17:49:54Z)
• Deep Recurrent Model for Individualized Prediction of Alzheimer's Disease Progression [4.034948808542701]
  アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。 本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-06T08:08:00Z)

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。