論文の概要: Markerless Motion Capture in Routine Clinical Upper Limb Assessments: Validity and Insights Beyond Ordinal Scoring

• arxiv url: http://arxiv.org/abs/2607.23608v1
• Date: Sun, 26 Jul 2026 11:29:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.169538
• Title: Markerless Motion Capture in Routine Clinical Upper Limb Assessments: Validity and Insights Beyond Ordinal Scoring
• Title（参考訳）: 定期臨床上肢評価におけるマーカーレスモーションキャプチャー : 正常なスコーリングを超えての妥当性と展望
• Authors: Tim Unger, Olivier Lambercy, Roger Gassert, Andreas R. Luft, R. James Cotton, Chris Easthope Awai,
• Abstract要約: アクション・リサーチ・アーム・テスト(Action Research Arm Test、ARAT)は、神経リハビリテーションにおいて広く用いられる上肢の成績測定法である。 人工知能に基づくマーカーレスモーションキャプチャー(MMC)が上肢運動を正確に再構成するかどうかを検討した。
• 参考スコア（独自算出の注目度）: 0.8209843760716958
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Action Research Arm Test (ARAT) is a widely-used upper limb outcome measure in neurorehabilitation, but its ordinal scoring is subjective and suffers from limited sensitivity and specificity. We evaluated whether artificial-intelligence (AI)-based markerless motion capture (MMC), embedded into ARAT assessments during clinical routine, accurately reconstructs upper limb movement and yields valid, objective kinematic metrics carrying clinically meaningful information beyond the ordinal score. Across 47 sessions from 20 mixed-neurological patients (1,174 ARAT tasks), biomechanical reconstruction was accurate and robust across impairment levels, and kinematic metrics showed the discrimination pattern expected of a construct-valid measure. In longitudinal case studies, the metrics added the specificity and sensitivity the ordinal score lacks: a domain decomposition exposed patient-specific recovery profiles underlying equal ARAT gains (specificity), and kinematic improvement continued to be detected after the ARAT had saturated (sensitivity). MMC in clinical routine can thus provide valid, objective, sensitive, and specific kinematic measurement complementing ordinal scoring.
• Abstract（参考訳）: アクション・リサーチ・アーム・テスト(Action Research Arm Test, ARAT)は、神経リハビリテーションにおいて広く用いられている上肢評価尺度である。 臨床経過中にARAT評価に埋め込まれたAIベースのマーカーレスモーションキャプチャー(MMC)が,上肢運動を正確に再構築し,臨床上の意味のある情報を含む客観的な計測値が得られるかを検討した。 混合神経疾患患者20名 (ARATタスク1,174名) の47セッション中, バイオメカニカルリコンストラクションは, 障害レベル全体にわたって正確かつ堅牢であり, 体力測定では, 構成値の判定パターンが期待された。 縦断的ケーススタディにおいて、これらの指標は順序スコアに欠落する特異性および感度を付加した: ドメイン分解により、患者固有の回復プロファイルが、同じARATゲイン(特異性)に基づいて露出し、ARATが飽和した後も運動改善が検出され続けた。 したがって、臨床ルーチンにおけるMCCは、順序のスコアを補完する有効、客観的、敏感、および特定のキネマティック測定を提供することができる。

関連論文リスト

• Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
  既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。 テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
  論文  参考訳（メタデータ） (2026-06-17T08:10:30Z)
• Machine Learning-Based Real-Time Detection of Compensatory Trunk Movements Using Trunk-Wrist Inertial Measurement Units [0.36136619420474764]
  脳卒中後によく見られる補償幹運動(CTM)は、不適応な運動パターンを引き起こす。 本研究では,2慣性測定ユニットの構成により,機械学習を用いたリアルタイムCTM検出が可能かどうかを検討する。
  論文  参考訳（メタデータ） (2026-04-14T11:17:05Z)
• Image-based Quantification of Postural Deviations on Patients with Cervical Dystonia: A Machine Learning Approach Using Synthetic Training Data [42.305152571036786]
  頚部ジストニア(Cervical dystonia、CD)は、ジストニアの最も一般的な形態である。 現在の評価はトロント・ウェスタン・スパモディック・トーチコリス・レーティング・スケール(TWSTRS)のような主観的臨床評価尺度に依存している。 本研究では、16,000枚の合成アバター画像にのみ訓練された深層学習モデルと、事前訓練した頭部位置推定アルゴリズムを組み合わせた評価ツールを開発した。
  論文  参考訳（メタデータ） (2026-03-27T14:12:41Z)
• Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
  本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
  論文  参考訳（メタデータ） (2026-03-18T06:15:35Z)
• 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)
• Validation of Human Pose Estimation and Human Mesh Recovery for Extracting Clinically Relevant Motion Data from Videos [79.62407455005561]
  人間のポーズ推定を用いたマーカーレスモーションキャプチャは、IMUとMoCapのキネマティクスの結果とインラインで結果を生成する。 生成するデータの品質に関してはまだ改善の余地がありますが、この妥協はエラーの部屋にあると考えています。
  論文  参考訳（メタデータ） (2025-03-18T22:18:33Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Easing Automatic Neurorehabilitation via Classification and Smoothness Analysis [1.44744639843118]
  本稿では,浅い深層学習アーキテクチャを用いて患者の動作を認識することから始まる自動評価パイプラインを提案する。 この研究の特筆すべき点は、Fugl-Meyerからインスパイアされた動きを、脳卒中患者によく見られる上肢臨床脳卒中評価尺度として表現するため、使用されるデータセットが臨床的に関連している点である。 本研究は, リハビリテーションセッションにおける患者の経過について, 臨床医の所見に応じた結論を得るとともに, 平滑性の観点から, 健常者と患者の運動のコントラストを検出することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-12-09T13:59:14Z)
• Behavior Score-Embedded Brain Encoder Network for Improved Classification of Alzheimer Disease Using Resting State fMRI [36.40726715739385]
  本稿では、日常的に管理される心理検査情報を、被験者の静止状態fMRIデータの符号化手順に統合する行動スコア埋め込みエンコーダネットワーク(BSEN)を提案する。 BSENは、MMSE(MiniMental State Examination)とCDR(Citical Dementia Rating)の行動スコアを併用した3次元畳み込み自己エンコーダ構造に基づく。 提案するBSENを用いた分類フレームワークは, 総合的認識精度59.44%(AD, MCI, Healthy Control)を達成し, 健康管理(HC)と健康管理(HC)の最も差別的な領域を抽出した。
  論文  参考訳（メタデータ） (2022-11-04T09:58:45Z)

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。