論文の概要: Deep Learning-Based Estimation of Ground Reaction Forces in Parkinsonian Gait Using an Optimized Set of IMU Data

• arxiv url: http://arxiv.org/abs/2608.02408v1
• Date: Mon, 03 Aug 2026 15:49:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.68429
• Title: Deep Learning-Based Estimation of Ground Reaction Forces in Parkinsonian Gait Using an Optimized Set of IMU Data
• Title（参考訳）: 最適化IMUデータを用いたパーキンソン歩行の深層学習に基づく地中反応力の推定
• Authors: Run Lin, Yingtian Tang, Jiawen Xu, Dongfei Huo, Lefan Wang, Helen Dawes, Dominic J. Farris, Dong Wang, Xijin Hua,
• Abstract要約: 本研究は、パーキンソン病(PD)における左右の縦型RF(vGRF)を、ウェアラブルIMUの最適化セットを用いて推定する深層学習フレームワークを提案する。 13IMUを用いたCNN-BiLSTMモデルを用いて,61例のPD患者と65例の健康管理(HC)データを別々に訓練した。
• 参考スコア（独自算出の注目度）: 6.334373614328101
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate gait analysis in Parkinson's disease (PD) typically relies on laboratory-based systems to capture biomechanical data, such as ground reaction forces (GRFs). Estimating GRFs using inertial measurement units (IMUs) provides a feasible alternative. However, this approach remains challenging in pathological gait like PD due to its high variability and complexity. Moreover, existing monitoring approaches often require multiple body-mounted sensors, which limit practicality and reduce patient compliance. To date, no study has investigated the application of deep learning approaches to address this challenge. This study proposes, for the first time, a deep learning framework to estimate bilateral vertical GRFs (vGRFs) in PD using an optimized set of wearable IMUs. A hybrid CNN-BiLSTM model was trained separately on data from 61 PD patients and 65 healthy controls (HC) using 13 IMUs. The model achieved high intra-subject accuracy ($R^2$ = 0.98) and strong inter-subject generalization ($R^2$ = 0.93 for HC, $R^2$ = 0.91 for PD). Sensor configuration was found to significantly influence estimation accuracy, with optimal sensor placement varying between PD patients and HC. For PD patients, estimation accuracy dropped markedly when reducing to a single IMU. The optimal configuration for PD used four IMUs. We identified a minimal setup with only two IMUs still enabled robust estimation. This compact setup offers a practical and scalable solution. Overall, the proposed approach supports the development of wearable vGRF-based gait analysis systems for Parkinsonian gait and potentially other pathological conditions, enabling accessible clinical assessments, remote monitoring, and personalized rehabilitation.
• Abstract（参考訳）: パーキンソン病(PD)の正確な歩行分析は、通常、地上反応力(GRF)のような生体力学的データを取得するために実験室ベースのシステムに依存している。 慣性測定ユニット(IMU)を用いたGRFの推定は、実現可能な代替手段を提供する。 しかし、このアプローチは、PDのような病的歩行において、高い変動性と複雑さのため、依然として困難である。 さらに、既存のモニタリングアプローチでは、実用性を制限し、患者のコンプライアンスを低下させる複数のボディマウントセンサーを必要とすることが多い。 現在まで、この課題に対処するためのディープラーニングアプローチの適用についての調査は行われていない。 本研究は, ウェアラブルIMUの最適化セットを用いて, PDにおける左右垂直RF(vGRF)を推定する深層学習フレームワークを初めて提案する。 13IMUを用いたCNN-BiLSTMモデルを用いて,61例のPD患者と65例の健康管理(HC)データを別々に訓練した。 このモデルは高い対象内精度(R^2$ = 0.98)と強い対象間一般化(HCではR^2$ = 0.93、PDではR^2$ = 0.91)を達成した。 計測精度はPD患者とHC患者によって異なるが, センサ構成は推定精度に大きく影響した。 PD患者では,IMUを1例に減らすと推定精度が著しく低下した。 PDの最適構成は4つのIMUを使用した。 IMUを2つしか持たない最小限のセットアップで,ロバストな推定が可能であった。 このコンパクトなセットアップは実用的でスケーラブルなソリューションを提供する。 提案手法は,パーキンソン歩行および他の病理疾患に対するウェアラブルvGRFに基づく歩行分析システムの開発を支援し,アクセス可能な臨床評価,遠隔監視,パーソナライズドリハビリテーションを可能にする。

関連論文リスト

• A physics-informed foundation model for quantitative diffusion MRI [46.74037857287099]
  物理インフォームド・ジェネレーティブ・マイクロ構造ネットワーク(PIGMENT)は、人間の脳の微細構造に先立って普遍的な生成を学習し、被験者の計測データにゼロショットで適応し、被験者固有のマップを復元する。 PIGMENT は,10倍加速スキャンによる小脳皮質微細構造パターンと幼少期の白質発達軌跡を保存し,強い生物学的妥当性を示した。 これらの結果は、PIGMENTを物理インフォームド基礎モデルとして確立し、定量的拡散MRIを、伝統的に不安定で不均一、あるいは信頼性のある分析に制約された状態に拡張する。
  論文  参考訳（メタデータ） (2026-05-29T07:26:35Z)
• HARP: HARmonizing in-vivo diffusion MRI using Phantom-only training [5.326951221819057]
  本研究の目的は,深層学習に基づくdMRI調和フレームワークの開発である。 Harpは、容易に輸送可能な拡散ファントムに基づいてトレーニングされた、ボクセルの1Dニューラルネットワークを使用している。
  論文  参考訳（メタデータ） (2026-03-05T01:38:41Z)
• Specializing Foundation Models via Mixture of Low-Rank Experts for Comprehensive Head CT Analysis [6.04562866374803]
  複数の特殊な低ランクアダプタと教師なしソフトルーティングでLoRAを拡張したMixture of Low-Rank Experts (MoLRE) フレームワークを提案する。 2次元および3次元のアーキテクチャ、一般ドメイン、医療ドメイン、頭部CT固有の事前訓練、および7Mから431Mのモデルサイズにまたがる6つの最先端医療画像基盤モデルのMoLREのベンチマークを提示する。
  論文  参考訳（メタデータ） (2026-02-28T14:32:38Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• On the effectiveness of smartphone IMU sensors and Deep Learning in the detection of cardiorespiratory conditions [0.21987601456703473]
  本研究は, 心肺疾患の早期スクリーニングのための, 取得プロトコルに基づく革新的な手法を提案する。 5つの異なる身体領域の加速度計とジャイロスコープで得られた呼吸動態を記録したデータセットを臨床的に収集した。 本研究では,早期心肺疾患スクリーニングのためのエンド・ツー・エンドのディープラーニングパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-08-27T18:29:47Z)
• TransfoRhythm: A Transformer Architecture Conductive to Blood Pressure Estimation via Solo PPG Signal Capturing [5.255373360156652]
  本稿では,最近リリースされた生理学データベースMIMIC-IV上に構築されたトランスフォーマーベースのアーキテクチャであるTransfoRhythmフレームワークを紹介する。 本研究は,カフレスBP推定にMIMIC IVデータセットを適用した最初の研究である。
  論文  参考訳（メタデータ） (2024-04-15T00:36:33Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Early Disease Stage Characterization in Parkinson's Disease from Resting-state fMRI Data Using a Long Short-term Memory Network [6.487961959149217]
  パーキンソン病(英: Parkinson's disease、PD)は、ホーン病とイェール病の5段階からなる、一般的で複雑な神経変性疾患である。 早期の第1期と第2期を分類し、脳機能の変化を検出することは困難である。 本稿では,PDの初期段階を特徴付けるために,LSTM(Long Short-term memory)ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-02-11T18:34:11Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)

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。