論文の概要: Cross-view Multimodal Vision-Based Assessment Framework for Traditional Chinese Medicine Rehabilitation Training
- arxiv url: http://arxiv.org/abs/2606.28104v1
- Date: Fri, 26 Jun 2026 14:00:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.507909
- Title: Cross-view Multimodal Vision-Based Assessment Framework for Traditional Chinese Medicine Rehabilitation Training
- Title（参考訳）: クロスビューマルチモーダルビジョンに基づく中国伝統医学リハビリテーショントレーニングのための評価フレームワーク
- Abstract要約: 視覚に基づく評価は、伝統的な中国医学(TCM)リハビリテーショントレーニングにおいて有用で費用対効果の高い評価を提供することができる。
CME-AQAは、環境コンテキストの理解を深めるために、視覚的目的融合を統合した、クロスビューでマルチモーダルな視覚に基づくアセスメントフレームワークである。
- 参考スコア（独自算出の注目度）: 14.830434505973438
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vision-based assessment can provide convenient and cost-effective evaluation in Traditional Chinese Medicine (TCM) rehabilitation training, where action quality assessment (AQA) from computer vision offers a promising solution. Existing automatic AQA frameworks for physical therapy typically rely on skeletal data captured from a single viewpoint, which is inefficient for TCM techniques such as acupuncture or Tuina that involve dense hand self-occlusion and complex hand-object interactions. To address these challenges, we propose CME-AQA, a cross-view, multimodal vision-based assessment framework that integrates visual-pose fusion to enhance understanding of environmental context and leverages both first-person and third-person videos during training to improve inference robustness. We collected two dual-view datasets, TCM-AQA61-A (Acupuncture) and TCM-AQA61-T (Tuina), each containing synchronized first-person and third-person recordings of 61 subjects with expert annotations. Experimental results show that our approach achieves superior or comparable mean performance against competitive baselines, achieving over 10% relative improvement in weighted F1 over the best competing method on key rating tasks such as Needle Depth and Quick Needle Insertion, while also reducing mean absolute error in quantitative measures such as insertion time and manipulation frequency. Testing on a CPR dataset further demonstrates comparable performance on several posture-based criteria, suggesting applicability to related structured simulated clinical skill assessments where participant motion is central to evaluation. Overall, CME-AQA enhances assessment accuracy for structured TCM rehabilitation training and facilitates more convenient and effective training-oriented skill evaluation.
- Abstract（参考訳）: コンピュータビジョンからの行動品質評価(AQA)が有望な解決策となる伝統的な中国医学(TCM)リハビリテーショントレーニングにおいて、視覚に基づく評価は有用で費用対効果の高い評価を提供することができる。
既存の理学療法のための自動AQAフレームワークは通常、単一の視点から捉えた骨格データに依存しており、これは、密集した手による自己閉塞や複雑な手-物体の相互作用を含む治療やトゥイナのようなTCM技術では非効率である。
これらの課題に対処するため,CME-AQAを提案する。このフレームワークは,視覚融合を統合し,環境コンテキストの理解を深め,トレーニング中に一対一のビデオと三対一のビデオを活用することで,推論の堅牢性を向上させる。
我々は2つのデュアルビューデータセット,TCM-AQA61-A (Acupuncture) とTCM-AQA61-T (Tuina) を収集した。
実験結果から,本手法は,F1の重み付き性能を10%以上向上させるとともに,挿入時間や操作頻度などの測定値の平均絶対誤差を低減し,最良評価法であるNeedle DepthやQuick Needle Insertionを比較検討した。
CPRデータセット上でのテストは、いくつかの姿勢に基づく基準で同等のパフォーマンスを示し、参加者の動きが評価の中心となる関連する構造化されたシミュレートされた臨床スキルアセスメントに適用可能であることを示唆している。
全体として、CME-AQAは構造化TCMリハビリテーショントレーニングの評価精度を高め、より便利で効果的なトレーニング指向スキル評価を容易にする。
関連論文リスト
- A Multi-Agent LLM Framework for Rating the Quality of Surgical Feedback [52.053200111780626]
手術室の外科医が行う言語的フィードバックは、居住スキル獲得において重要な形式的役割を担っている。
本稿では,手術訓練の文脈に根ざした,解釈可能なフィードバック品質基準を発見するための2段階のLCMベースのフレームワークを提案する。
本手法では,多エージェントおよび外科領域の知識注入を用いて,人間の解釈可能な評価基準の小さなセットを探索する。
論文 参考訳（メタデータ） (2026-05-25T05:31:44Z) - Measuring What Matters!! Assessing Therapeutic Principles in Mental-Health Conversation [11.873690830791022]
臨床応用の妥当性と有効性について,AIによるセラピスト様反応の評価問題について検討した。
FAITH-Mは、専門家が指定した順序格付けを付したベンチマークである。
本稿では,対話内コンテキスト,コントラスト検索,知識拡散型連鎖推論を統合した多段階評価フレームワークCAREを提案する。
論文 参考訳（メタデータ） (2026-04-07T12:30:54Z) - Benchmarking Deep Learning-Based Reconstruction Methods for Photoacoustic Computed Tomography with Clinically Relevant Synthetic Datasets [5.916152021724446]
近年,光音響CT(PACT)のための深層学習(DL)に基づく画像再構成法が急速に進歩している。
既存のほとんどの手法は標準化されたデータセットを使用しておらず、その評価は臨床関連性に欠ける可能性のある従来の画像品質(IQ)メトリクスに依存している。
PACTにおけるDLベースの音響インバージョン手法の評価手法として,オープンソースで解剖学的に妥当な合成データセットを提供するベンチマークフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-23T20:52:35Z) - MedAlign: A Synergistic Framework of Multimodal Preference Optimization and Federated Meta-Cognitive Reasoning [52.064286116035134]
我々はMed-VQA(Med-VQA)のための視覚的LVLM応答を保証するフレームワークであるMedAlignを開発した。
まず、優先学習を視覚的コンテキストに合わせるために、マルチモーダルな直接選好最適化(mDPO)の目的を提案する。
次に、画像とテキストの類似性を生かし、クエリを専門的でコンテキスト拡張されたLVLMにルーティングする検索型混合処理(RA-MoE)アーキテクチャを設計する。
論文 参考訳（メタデータ） (2025-10-24T02:11:05Z) - STROKEVISION-BENCH: A Multimodal Video And 2D Pose Benchmark For Tracking Stroke Recovery [41.140934816875806]
StrokeVision-Benchは、脳卒中患者が臨床的に構造化されたブロック転送タスクを行う最初の専用データセットである。
StrokeVision-Benchは、1000本の注釈付きビデオを4つの臨床的に意味のあるアクションクラスに分類する。
我々は,現在最先端のビデオアクション認識と骨格に基づく動作分類手法のベンチマークを行い,性能ベースラインを確立する。
論文 参考訳（メタデータ） (2025-09-02T18:48:37Z) - GEMeX-RMCoT: An Enhanced Med-VQA Dataset for Region-Aware Multimodal Chain-of-Thought Reasoning [60.03671205298294]
医学的視覚的質問応答は、医学的イメージに基づいた自然言語的質問にモデルで答えることによって、臨床的な意思決定を支援することを目的としている。
現在の方法はまだ、答えの信頼性の制限と解釈性の低下に悩まされている。
この研究はまず、回答を生成するプロセスが中間的推論ステップのシーケンスに先行する領域対応マルチモーダル・チェーン・オブ・ソートデータセットを提案する。
論文 参考訳（メタデータ） (2025-06-22T08:09:58Z) - D-STGCNT: A Dense Spatio-Temporal Graph Conv-GRU Network based on transformer for assessment of patient physical rehabilitation [0.30693357740321775]
本稿では,リハビリテーション演習を評価するための新しいグラフベースモデルを提案する。
デンス接続とGRU機構は、大きな3Dスケルトン入力を迅速に処理するために使用される。
KIMOREおよびUI-PRMDデータセットに対する提案手法の評価は,その可能性を強調した。
論文 参考訳（メタデータ） (2023-12-21T00:38:31Z) - Automated Fidelity Assessment for Strategy Training in Inpatient
Rehabilitation using Natural Language Processing [53.096237570992294]
戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。
標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。
本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
論文 参考訳（メタデータ） (2022-09-14T15:33:30Z) - A Review of Computational Approaches for Evaluation of Rehabilitation
Exercises [58.720142291102135]
本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。
エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
論文 参考訳（メタデータ） (2020-02-29T22:18:56Z) - Opportunities of a Machine Learning-based Decision Support System for
Stroke Rehabilitation Assessment [64.52563354823711]
リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。
現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。
我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
論文 参考訳（メタデータ） (2020-02-27T17:04:07Z)
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。