論文の概要: Towards Context-Aware Clinical Motion Understanding in Daily Living at Home: Freezing of Gait Detection with Egocentric Vision
- arxiv url: http://arxiv.org/abs/2608.13283v1
- Date: Thu, 13 Aug 2026 14:16:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.553929
- Title: Towards Context-Aware Clinical Motion Understanding in Daily Living at Home: Freezing of Gait Detection with Egocentric Vision
- Title（参考訳）: 在宅生活における文脈認識型臨床動作理解に向けて : エゴセントリック視覚による歩行検出の凍結
- Abstract要約: エゴセントリックなビジョンは、これらのケースを曖昧にするのに役立つタスク関連のコンテキストを提供します。
パーキンソン病(PD)における歩行検出の凍結による課題の検討
我々は,事前訓練したエゴビデオと時系列基盤モデルから凍結表現を評価し,IMUベースのTCNをスクラッチから訓練した。
- 参考スコア（独自算出の注目度）: 1.0246009162956833
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding motion in daily living requires context beyond kinematics, because similar inertial patterns during activities of daily living (ADLs) can reflect intentional stopping, object interaction, or pathological movement impairment. Egocentric vision provides task-related context that may help disambiguate these cases. We investigate this challenge through freezing of gait (FOG) detection in Parkinson's disease (PD), a symptom strongly influenced by contextual factors during ADLs. Using synchronized egocentric video, wearable IMUs, and expert-annotated FOG labels collected from 13 PD participants in their homes, we evaluate frozen representations from pretrained ego-video and time-series foundation models, alongside an IMU-based TCN trained from scratch, under leave-one-subject-out evaluation. The IMU-based TCN achieved the strongest event-detection performance, reaching 42.3 F1 and 83.0 AUROC, compared with 32.6 F1 and 77.2 AUROC for V-JEPA2 ego-video features. Although ego-video alone did not outperform IMU-based sensing, it showed above-chance discrimination, and qualitative analyses suggest that egocentric vision may capture FOG-relevant information independent of IMUs. Together, these results support the use of pretrained ego-video representations to add contextual information to wearable-sensor-based clinical motion understanding in daily living.
- Abstract（参考訳）: 日常生活における運動を理解するには運動学以外の文脈が必要である。これは、日常生活(ADL)の活動における同様の慣性パターンが、意図的な停止、物体の相互作用、または病理的な運動障害を反映しているためである。
エゴセントリックなビジョンは、これらのケースを曖昧にするのに役立つタスク関連のコンテキストを提供します。
パーキンソン病(PD)における歩行検出(FOG)の凍結によるこの課題について検討した。
家庭内の13人のPD参加者から収集した同期型エゴ中心ビデオ、ウェアラブルIMU、専門家によるFOGラベルを用いて、トレーニング済みのエゴビデオおよび時系列基礎モデルからの凍結表現と、スクラッチからトレーニングしたIMUベースのTCNを用いて、Left-one-subject-out評価を行った。
IMUベースのTCNは、V-JEPA2エゴビデオの特徴として32.6 F1と77.2 AUROCと比較して42.3 F1と83.0 AUROCに到達した。
エゴビデオだけではIMUのセンシングに勝るものではなかったが、上述の区別を示し、質的な分析から、自我中心の視覚はIMUとは無関係にFOG関連情報を捉えている可能性が示唆された。
これらの結果は,日常生活におけるウェアラブル・センサを用いた臨床動作理解に文脈情報を加えるために,事前訓練されたエゴビデオ表現の使用を支援する。
関連論文リスト
- Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography [75.7789001619107]
ビジョン言語による事前トレーニングは、汎用医療AIにとって大きな可能性を秘めている。
3つの主要なコンポーネントを特徴とするフレームワークを提案する。
診断対応プロンプト戦略では、トレーニング前の推論ギャップを埋めるために、実際の臨床用語と集約された疾患プロトタイプを用いている。
論文 参考訳（メタデータ） (2026-06-24T08:24:45Z) - 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) - Electrodermal Activity as a Unimodal Signal for Aerobic Exercise Detection in Wearable Sensors [0.2621730497733947]
EDA(Electronrmal Activity)は、ウェアラブルデバイスで広く用いられる非侵襲的な生理信号である。
本研究では,EDAから排他的に派生した特徴が,持続的好気性運動と休息を確実に区別できるかどうかを検討した。
論文 参考訳（メタデータ） (2026-03-16T20:17:54Z) - Robust Egocentric Referring Video Object Segmentation via Dual-Modal Causal Intervention [58.05340906967343]
Egocentric Referring Video Object (Ego-RVOS)は、言語クエリで説明されているように、人間のアクションに積極的に関与する特定のオブジェクトを、一人称ビデオに分割することを目的としている。
既存の手法はしばしば苦労し、データセット内の歪んだオブジェクト-アクションのペアリングから急激な相関を学習する。
本稿では,強力なトレーニング済みRVOSをエゴセントリックドメインに適応させるプラグイン因果フレームワークであるCausal-Referring(CERES)を紹介する。
論文 参考訳（メタデータ） (2025-12-30T16:22:14Z) - Paving the Way Towards Kinematic Assessment Using Monocular Video: A Preclinical Benchmark of State-of-the-Art Deep-Learning-Based 3D Human Pose Estimators Against Inertial Sensors in Daily Living Activities [1.3854111346209868]
本研究は、慣性計測ユニット(IMU)を用いた単眼映像に基づく3次元ポーズ推定モデルの比較である。
IMUデータから計算した関節角度に対して,最先端のディープラーニングフレームワークから得られる関節角度を評価した。
MotionAGFormerは優れた性能を示し、RMSE全体の最低値を達成した。
論文 参考訳（メタデータ） (2025-10-02T17:44:31Z) - ECHO: Ego-Centric modeling of Human-Object interactions [71.17118015822699]
ECHO (Ego-Centric Modeling of Human-Object Interaction) を開発した。
人間のポーズ、物体の動き、そしてそのような最小限の観察から接触の3つのモダリティを回復する。
同じ柔軟性を提供しない既存のメソッドよりも優れています。
論文 参考訳（メタデータ） (2025-08-29T12:12:22Z) - Detecting Activities of Daily Living in Egocentric Video to Contextualize Hand Use at Home in Outpatient Neurorehabilitation Settings [2.9158689853305693]
本研究では, 現実のリハビリテーション環境において, 日常生活活動(ADL)を効果的に認識することが可能であることを示す。
健常者16名を対象に,エゴセントリックな映像を2261分収録した複雑なデータセットを用いて実験を行った。
論文 参考訳（メタデータ） (2024-12-14T14:38:27Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Measuring hand use in the home after cervical spinal cord injury using
egocentric video [2.1064122195521926]
エゴセントリックビデオは、コミュニティで四肢麻痺を患っている人の手機能モニタリングの潜在的な解決策として登場した。
四肢麻痺児の在宅における手指使用量を測定するウェアラブル・ビジョン・ベース・システムの開発と評価を行った。
論文 参考訳（メタデータ） (2022-03-31T12:43:23Z) - Self-Regulated Learning for Egocentric Video Activity Anticipation [147.9783215348252]
自己制御学習(SRL)は、中間表現を連続的に制御し、現在のタイムスタンプのフレームにおける新しい情報を強調する表現を作り出すことを目的としている。
SRLは2つのエゴセントリックなビデオデータセットと2つの第三者のビデオデータセットにおいて、既存の最先端技術よりも大幅に優れています。
論文 参考訳（メタデータ） (2021-11-23T03:29:18Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z)
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。