論文の概要: Direct Clinical Joint Angle Extraction from Parametric Body Model Rotation Matrices

• arxiv url: http://arxiv.org/abs/2607.17639v1
• Date: Mon, 20 Jul 2026 07:47:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.539643
• Title: Direct Clinical Joint Angle Extraction from Parametric Body Model Rotation Matrices
• Title（参考訳）: パラメトリックボディモデル回転行列からの直接的関節角度抽出
• Authors: Joey Páolo Kardolus, Daan Hendriks, Jaap Jansen,
• Abstract要約: 身体モデルから臨床関節角度を直接読み取ることができることを示す。 この方法では、ビデオ自体以外のレコード毎の入力は不要である。 遠隔リハビリテーションや大規模分権的な研究に至るまで、移動分析が現実的なところを広げている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantitative joint angles are rarely available in routine care because the tools are slow, costly, or confined to a laboratory. We show that clinical joint angles can be read directly from the per-segment rotation matrices a parametric body model already produces, with no inverse-kinematics or musculoskeletal-model fitting step. On the OpenCap LabValidation cohort, using the GEM-X body-model estimator on single-smartphone video, our pooled mean absolute error is 4.50 degrees over the fifteen joint angles that match the OpenCap Monocular reference set, the same accuracy range as OpenCap Monocular's 4.8 degrees on the same cohort and reference standard, from a much simpler pipeline. The step that connects a body model to clinical angles is a small calibration table rather than an optimisation, so the same procedure transfers unchanged to other body models: repeating it on SAM 3D Body, changing only the table, gives 4.66 degrees, statistically indistinguishable from GEM-X, and runs in real time from a live single-camera stream. The method needs no per-recording inputs beyond the video itself: no participant height, no camera-intrinsics database, no per-subject model scaling. This broadens where movement analysis is practical, from in-clinic and at-home recording to telerehabilitation and large-scale decentralised studies.
• Abstract（参考訳）: 定量的な関節角度は、道具が遅い、コストがかかる、あるいは実験室に限られているため、日常的に利用できることは滅多にない。 筋骨格モデルと逆運動学を伴わないパラメトリック体モデルを用いて, 関節周囲の回転行列から直接, 臨床関節角度を読み取ることができることを示した。 OpenCap LabValidationコホートでは、シングルスマートフォンビデオのGEM-Xボディーモデル推定器を用いて、我々のプールド平均絶対誤差は、OpenCap Monocular参照セットと一致する15個のジョイント角度の4.50度であり、同じコホートおよび参照標準上のOpenCap Monocularの4.8度と同じ精度範囲である。 身体モデルと臨床角度を結びつけるステップは、最適化ではなく、小さなキャリブレーションテーブルであるので、同じ手順は、SAM 3Dボディ上で繰り返し、テーブルだけを変更し、GEM-Xと統計的に区別できない4.66度を与え、ライブの単一カメラストリームからリアルタイムに実行される。 参加者の高さもカメラ固有のデータベースも、オブジェクトごとのモデルスケーリングも不要です。 これにより、移動分析が現実的な場所を拡大し、自転車や自宅での録音から遠隔リハビリテーション、大規模分権研究まで幅広い。

関連論文リスト

• MoCapAnything V2: End-to-End Motion Capture for Arbitrary Skeletons [56.68975315643491]
  本稿では,ビデオ・ツー・ローテーションとビデオ・ツー・ローテーションを共同で学習し,最適化する,最初のエンドツーエンドフレームワークを提案する。 本手法は, メッシュベースパイプラインの20倍の速度で, 回転誤差を17度から10度, 見えない骨格では6.54度に低減する。
  論文  参考訳（メタデータ） (2026-04-30T17:16:38Z)
• Control Architecture and experimental validation of a Novel Surgical Robotic Instrument [0.7078141380481605]
  最小侵襲手術(MIS)は、患者の外傷を減らし、回復時間を短縮する。 従来の腹腔鏡装置は 限られた範囲の運動に 拘束されている 本研究は, 遠位屈曲, 独立遠位頭部回転, シャフト回転, グリップを一体化した4-DOFフレキシブルラパロスコープの制御構造を示す。
  論文  参考訳（メタデータ） (2026-04-07T09:00:59Z)
• Scaling Video Pretraining for Surgical Foundation Models [51.92777479821822]
  SurgRecは、スケーラブルで再現可能な、外科的ビデオ理解のための事前学習のレシピだ。 内視鏡,腹腔鏡,白内障,ロボット手術を対象とする10,535ビデオと214.5Mフレームの大規模なコーパスをキュレートした。
  論文  参考訳（メタデータ） (2026-03-31T16:31:25Z)
• OpenCap Monocular: 3D Human Kinematics and Musculoskeletal Dynamics from a Single Smartphone Video [0.2012293145190529]
  人の動き(キネマティックス)と筋骨格力(キネマティックス)の定量化は、モビリティ関連条件の予測、治療、監視を変革する可能性がある。 我々は,1台のスマートフォンビデオから3次元骨格運動学と運動学を推定するアルゴリズムであるOpenCap Monocularを紹介する。
  論文  参考訳（メタデータ） (2026-03-25T18:56:46Z)
• Visual Odometry with Transformers [68.453547770334]
  特徴抽出により単眼フレームのシーケンスを処理するビジュアル・オドメトリ・トランスフォーマ(VoT)を導入する。 従来の方法とは異なり、VoTは密度の高い幾何学を推定することなくカメラの動きを直接予測し、監視のためにカメラのポーズのみに依存する。 VoTは、より大きなデータセットで効果的にスケールし、より強力なトレーニング済みバックボーンの恩恵を受け、多様なカメラモーションとキャリブレーション設定を一般化し、従来のメソッドよりも3倍以上高速に動作しながらパフォーマンスを向上する。
  論文  参考訳（メタデータ） (2025-10-02T17:00:14Z)
• 3DPCNet: Pose Canonicalization for Robust Viewpoint-Invariant 3D Kinematic Analysis from Monocular RGB cameras [7.906702226082628]
  3DPCNetは3Dジョイント座標で直接動作するコンパクトな推定器に依存しないモジュールである。 本手法は,地中構造IMUセンサデータと強い視覚的対応を示すビデオから加速度信号を生成する。
  論文  参考訳（メタデータ） (2025-09-27T18:55:21Z)
• Monitoring morphometric drift in lifelong learning segmentation of the spinal cord [27.329843979159932]
  9種類のMRIコントラストといくつかの脊髄病理を含む多地点$(n=75)$データセットで訓練した脊髄セグメンテーションモデルを提案する。 また、モデルが追加データセットを使用して更新されると、形態素のドリフトを自動的に監視する生涯学習フレームワークも導入する。
  論文  参考訳（メタデータ） (2025-05-02T16:04:00Z)
• CurvNet: Latent Contour Representation and Iterative Data Engine for Curvature Angle Estimation [50.71992730453576]
  CurvNetは曲率角推定フレームワークである。 我々は、画像自己生成、自動アノテーション、自動選択を備えたデータエンジンを開発する。 提案手法は,最先端のコブ角推定性能を実現する。
  論文  参考訳（メタデータ） (2024-11-19T16:07:58Z)
• Coordinate Transformer: Achieving Single-stage Multi-person Mesh Recovery from Videos [91.44553585470688]
  ビデオから複数人の3Dメッシュを回収することは、バーチャルリアリティーや理学療法などにおけるグループ行動の自動認識に向けた重要な第一歩である。 本稿では,複数人物の時空間関係を直接モデル化し,同時にエンドツーエンドでマルチ・メッシュ・リカバリを行うコーディネート・トランスフォーマーを提案する。 3DPWデータセットの実験では、CoordFormerが最先端の精度を大幅に向上し、MPJPE、PAMPJPE、PVEの計測値でそれぞれ4.2%、8.8%、そして4.7%を上回った。
  論文  参考訳（メタデータ） (2023-08-20T18:23:07Z)

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。