論文の概要: Quantifying Rodda and Graham Gait Classification from 3D Makerless Kinematics derived from a Single-view Video in a Heterogeneous Pediatric Clinical Cohort

• arxiv url: http://arxiv.org/abs/2605.11314v1
• Date: Mon, 11 May 2026 23:04:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.468144
• Title: Quantifying Rodda and Graham Gait Classification from 3D Makerless Kinematics derived from a Single-view Video in a Heterogeneous Pediatric Clinical Cohort
• Title（参考訳）: 不均一小児臨床コホートにおけるシングルビュービデオから得られた3次元無作為キネマティクスからのロッドとグラハムの歩行の定量化
• Authors: Lauhitya Reddy, Seth Donahue, Jeremy Bauer, Susan Sienko, Anita Bagley, Joseph Krzak, Maura Eveld, Karen Kruger, Ross Chafetz, Vedant Kulkarni, Hyeokhyen Kwon,
• Abstract要約: 脳性麻痺は小児期の身体障害の最も一般的な原因である。 CP児の約75%は健常であり、歩行評価は歩行機能の維持に欠かせない。 単視点の歩行ビデオから直接ロッドとグラハムの膝と足首のzスコアを定量化するマーカーレス歩行分析パイプラインを開発した。
• 参考スコア（独自算出の注目度）: 1.2601531189333228
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cerebral Palsy (CP) is a neurological disorder of movement and the most common cause of lifelong physical disability in childhood. Approximately 75% of children with CP are ambulatory, and accurate gait assessment is central to preserving walking function, which deteriorates by mid-adulthood in a quarter to half of adults with CP. The Rodda and Graham classification system quantifies sagittal-plane gait deviations using ankle and knee z-scores derived from 3D Instrumented Gait Analysis (3D-IGA), but 3D-IGA is expensive and limited to specialized centers, while observational assessment shows only moderate inter-rater agreement. We developed a markerless gait analysis pipeline that quantifies Rodda and Graham knee and ankle z-scores directly from single-view clinical gait videos. Across 1,058 bilateral limb samples from 529 trials of 152 children (88 male, 63 female; age 12.1 $\pm$ 4.0 years; 60 distinct primary diagnoses, cerebral palsy the most common at $n=54$), the sagittal-view model achieved $R^2 = 0.80 \pm 0.02$ and CCC $= 0.89 \pm 0.02$ for knee z-scores and $R^2 = 0.57 \pm 0.02$ and CCC $= 0.72 \pm 0.02$ for ankle z-scores against 3D-IGA. Binary screening for excess knee flexion achieves AUROC $= 0.88$, correctly identifying 83% of affected children, and applying Rodda and Graham rules yields $43 \pm 1$% 7-class accuracy with macro-AUROC $= 0.78 \pm 0.01$, ankle prediction error remaining the primary bottleneck. Beyond cross-sectional screening, continuous z-scores support longitudinal trajectory tracking across visits, providing a quantitative substrate for monitoring disease progression and treatment response unavailable from observational scales. These results demonstrate the feasibility of video-based z-score estimation, excess-flexion screening, and longitudinal trajectory tracking as a path toward scalable, objective gait assessment in low-resource clinical settings.
• Abstract（参考訳）: 脳性麻痺(英語: Cerebral Palsy, CP)は、運動神経疾患であり、小児期における身体障害の最も一般的な原因である。 CP 児の約75%は健常であり、歩行評価は歩行機能維持の中心であり、CP 児の4分の1から半分は中期に悪化する。 Rodda and Graham分類システムは、3D Instrumented Gait Analysis (3D-IGA) から得られた足首と膝のZスコアを用いて矢状面の歩行偏差を定量化するが、3D-IGAは高価で専門的なセンターに限られている。 単視点の歩行ビデオから直接ロッドとグラハムの膝と足首のzスコアを定量化するマーカーレス歩行分析パイプラインを開発した。 152人(男性88人、女性63人、年齢12.1ドル\pm$4.0年、初診60人、脳性麻痺60人)の1058人中1058人のうち、サジタル・ビュー・モデルが達成した$R^2 = 0.80 \pm 0.02$、CCC $= 0.89 \pm 0.02$、膝Zスコアは$R^2 = 0.57 \pm 0.02$、CCC $= 0.72 \pm 0.02$、および3D-IGAに対する足首zスコアは$R^2 = 0.72 \pm 0.02$である。 過剰膝屈曲のバイナリスクリーニングはAUROC$=0.88$を達成し、患児の83%を正しく識別し、RoddaとGrahamのルールを適用すると、マクロAUROC$=0.78 \pm 0.01$の7クラスの精度で43 \pm 1$%の精度が得られる。 横断スクリーニングの他に、連続的なzスコアは、訪問中における縦方向の軌跡追跡をサポートし、観察スケールから利用できない疾患の進行と治療反応を監視するための定量的基質を提供する。 これらの結果は,低リソース臨床環境における拡張性,客観的歩行評価への道筋として,ビデオベースのzスコア推定,過剰反射スクリーニング,縦方向軌跡追跡の実現可能性を示した。

関連論文リスト

• Opportunistic Bone-Loss Screening from Routine Knee Radiographs Using a Multi-Task Deep Learning Framework with Sensitivity-Constrained Threshold Optimization [9.995968038491128]
  変形性骨折を発症するまで、骨粗しょう症や骨減少症は診断されないことが多い。 変形性膝関節症評価のために, 膝X線撮影を行った。 単一チャネルグレースケール膝X線撮影のためのマルチタスクフレームワークSTR-Netを開発した。
  論文  参考訳（メタデータ） (2026-04-22T07:12:04Z)
• DeepCORO-CLIP: A Multi-View Foundation Model for Comprehensive Coronary Angiography Video-Text Analysis and External Validation [5.793716496038637]
  DeepCORO-CLIPはビデオテキストコントラスト学習で訓練された多視点基礎モデルである。 モデルは、複数のプロジェクションとアテンションベースのプールを統合して、研究レベルの評価を行う。 DeepCORO-CLIPは、ケアの時点で自動的に冠動脈造影を解釈する基盤を提供する。
  論文  参考訳（メタデータ） (2026-03-18T12:54:24Z)
• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• FUGC: Benchmarking Semi-Supervised Learning Methods for Cervical Segmentation [63.7829089874007]
  本稿では,頚椎椎間板断裂における半教師あり学習のための最初のベンチマークであるFetal Ultrasound Grand Challenge (FUGC)を紹介する。 FUGCは、500のトレーニング画像、90の検証画像、300のテスト画像を含む890のTVSイメージのデータセットを提供する。 Dice similarity Coefficient (DSC), Hausdorff Distance (HD), and Runtime (RT), with a weighted combination of 0.4/0.4/0.2。
  論文  参考訳（メタデータ） (2026-01-22T01:34:39Z)
• Automated glenoid bone loss measurement and segmentation in CT scans for pre-operative planning in shoulder instability [4.618498494409548]
  肩関節不安定症の手術計画には, 骨量測定の信頼性が不可欠である。 三次元CTスキャンによるグリノイド骨量計測のための完全自動深層学習パイプラインの開発と評価を行った。
  論文  参考訳（メタデータ） (2025-11-18T03:12:22Z)
• MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
  MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。 因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。 MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
  論文  参考訳（メタデータ） (2025-11-14T06:47:21Z)
• Explainable Anatomy-Guided AI for Prostate MRI: Foundation Models and In Silico Clinical Trials for Virtual Biopsy-based Risk Assessment [3.5408411348831232]
  MRIによる前立腺癌(PCa)のリスク階層化のための,完全に自動化された,解剖学的に指導されたディープラーニングパイプラインを提案する。 パイプラインは、前立腺とそのゾーンを軸方向のT2強調MRI上にセグメント化するためのnnU-Netモジュール、オプションの解剖学的先行と臨床データで3Dパッチに微調整されたDiceedPT Swin Transformer基盤モデルに基づく分類モジュール、決定駆動画像領域をローカライズする反ファクトなヒートマップを生成するVAE-GANフレームワークの3つの重要なコンポーネントを統合する。
  論文  参考訳（メタデータ） (2025-05-23T14:40:09Z)
• Your Turn: At Home Turning Angle Estimation for Parkinson's Disease Severity Assessment [39.780728280324944]
  本稿では,ビデオから3Dスケルトンを抽出して回転角を自動的に定量化する深層学習手法を提案する。 我々は、24人の被験者から1386個のビデオクリップを回転させて、最先端の人間のポーズ推定モデルであるFastposeとStrided Transformerを利用する。 これは、一眼レフカメラデータを用いて、自宅のPD患者によるターンの定量化を行う最初の研究である。
  論文  参考訳（メタデータ） (2024-08-15T14:36:07Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• A Spatio-temporal Attention-based Model for Infant Movement Assessment from Videos [44.71923220732036]
  本研究では,短いクリップから抽出した人間のポーズを用いた新たなフィジット動作評価法を開発した。 人間のポーズは関節と手足の運動プロファイルのみをキャプチャし、無関係な外観の人工物は含まない。 実験の結果,提案手法はROC-AUCスコア81.87%を達成し,既存の競合手法よりも高い性能を示し,高い解釈性を示した。
  論文  参考訳（メタデータ） (2021-05-20T14:31:54Z)

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。