論文の概要: Freezing of Gait Prediction Under Spatial Occlusion: An IMU-Supervised Cross-Modal Distillation Approach
- arxiv url: http://arxiv.org/abs/2609.09826v1
- Date: Wed, 09 Sep 2026 07:29:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.932586
- Title: Freezing of Gait Prediction Under Spatial Occlusion: An IMU-Supervised Cross-Modal Distillation Approach
- Title（参考訳）: 空間閉塞下における歩行予測の凍結:IMU-Supervised Cross-Modal Distillation Approach
- Abstract要約: パーキンソン病(英: Parkinson disease)は、運動制御の段階的な低下を特徴とする進行性神経変性疾患である。
自動フリーズ・オブ・ゲイト(FOG)検出は歩行関連運動障害の客観的評価を支援する。
FOG予測には, (i) 患者の動作の映像記録を分析し, (ii) 下肢に装着した慣性計測装置(IMU) ウェアラブルセンサを用いて収集したデータを解析する。
ビデオベースのアプローチは、下肢が相当な幾何学的自己閉塞を受けており、ポーズ推定の精度が低下するため、連続的なターン・イン・プレイス・タスク中に検出エラーを被る可能性がある。
- 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: Parkinson's disease is a progressive neurodegenerative disorder characterised by gradual deterioration of movement control. Automated freezing-of-gait (FOG) detection supports the objective assessment of gait-related motor impairment. Two common approaches are used for FOG prediction: (i) analysing video recordings of the patient's movements and (ii) analysing data collected using inertial measurement unit (IMU) wearable sensors attached to the patient's lower limbs. Video-based approaches may suffer detection errors during continuous turning-in-place tasks because the lower limbs undergo substantial geometric self-occlusion, degrading pose-estimation accuracy. IMU-based approaches are generally less affected by visual occlusion; however, they are difficult to deploy outside clinical or laboratory settings, as the sensors must be attached securely and remain in place throughout the assessment. Motivated by this, we propose a cross-modal subspace distillation framework to mitigate the limitations of unimodal FOG detection by combining IMU accuracy with video-based practicality. We extract invariant latent topologies from a pre-trained kinematic oracle to structurally supervise a non-encoded visual architecture during training. To resolve periods of severe spatial occlusion, a dual-stream visual model probabilistically fuses skeletal graph nodes and continuous spatial pixels, dynamically shifting reliance to uninterrupted pixel boundaries as joint tracking confidence drops. Evaluated against a public, multi-modal sequence dataset of Parkinson's individuals executing continuous $360^\circ$ turns, empirical results demonstrate that applying sensory boundary topologies strictly mitigates tracking evaluation entropy. Our constrained optimisation confirms that highly precise FOG prediction bounds can be achieved over zero-wearable inference environments.
- Abstract（参考訳）: パーキンソン病(英: Parkinson disease)は、運動制御の段階的な低下を特徴とする進行性神経変性疾患である。
自動フリーズ・オブ・ゲイト(FOG)検出は歩行関連運動障害の客観的評価を支援する。
FOG予測には2つの一般的なアプローチがある。
一 患者の動きと映像の分析
2) 患者下肢に装着した慣性計測装置(IMU)ウェアラブルセンサを用いて収集したデータを分析した。
ビデオベースのアプローチは、下肢が相当な幾何学的自己閉塞を受けており、ポーズ推定の精度が低下するため、連続的なターン・イン・プレイス・タスク中に検出エラーを被る可能性がある。
IMUベースのアプローチは一般的に視覚的閉塞の影響を受けないが、センサーを安全に装着し、評価を通してそのままにしておく必要があるため、臨床または実験室の外での展開は困難である。
そこで本研究では,IMUの精度とビデオベースの実用性を組み合わせることで,不定形FOG検出の限界を軽減するためのクロスモーダルサブスペース蒸留フレームワークを提案する。
本研究では,事前学習したキネマティック・オラクルから不変潜時トポロジーを抽出し,トレーニング中に非符号化視覚アーキテクチャを構造的に監督する。
重篤な空間閉塞の期間を解決するため、デュアルストリーム視覚モデルは骨格グラフノードと連続的な空間画素を確率的に融合させ、共同トラッキングの信頼性低下に伴い、不断の画素境界への依存を動的にシフトさせる。
パーキンソンの個人が連続して360^\circ$のターンを実行している公的なマルチモーダルシーケンスデータセットに対して、経験的な結果から、感覚境界トポロジの適用は、追跡評価のエントロピーを厳密に緩和することを示した。
制約付き最適化により、ゼロ・ウェアブル・推論環境上で高い精度のFOG予測境界が達成できることを確認した。
関連論文リスト
- Supervised Cross-Modal Feature Alignment for Zero-Wearable Freezing of Gait Detection in Parkinsonism [0.0]
パーキンソン病における歩行凍結(FoG)の客観的評価は主にウェアラブル慣性計測装置(IMU)に依存している
本稿では,これらの物理観測限界を解決するために,教師付きクロスモーダルサブスペース蒸留フレームワークを提案する。
最適化の間、IMUセンサーからの事前トレーニングされたキネマティックデータと文脈的臨床メタデータは、デプロイ可能なビジュアルアーキテクチャを導くためのオラクルとして機能する。
論文 参考訳（メタデータ） (2026-09-08T06:40:50Z) - EndoMD-SLAM: Endoscopic Gaussian Splatting SLAM under Optical Degradation with Memory and Static-Transient Decomposition [46.23526592715223]
EndoMD-SLAMは光学劣化下での安定性を維持するために設計されたフレームワークである。
トラッキング側では、メモリ駆動のゲーティング機構が信頼性の低い観測を検出してマップ更新を停止する。
マッピング側では、自己教師付き静的-過渡分解により、視覚汚染物質を専用の過渡場に分離する。
論文 参考訳（メタデータ） (2026-08-09T22:59:01Z) - Partial Skeleton Visibility for Action Recognition: A Constrained Field-of-View Approach [60.596944437968524]
partialVisGraphは、制約されたフィールド・オブ・ビューの下で、堅牢なスケルトンベースのアクション認識のための新しいフレームワークである。
部分的な可視性の下では、最先端の精度を一貫して達成し、厳しいFoV制限のあるサブセットでは68.8%まで上昇する。
提案手法は,非拘束環境下でのスケルトンに基づく行動理解を実現するための,原則的かつ実践的な経路を提供する。
論文 参考訳（メタデータ） (2026-07-01T10:03:11Z) - Causally-Constrained Probabilistic Forecasting for Time-Series Anomaly Detection [1.8995711908407733]
本研究では,異常検出のための因果制約付き確率予測フレームワークを提案する。
ディープ・シークエンス・モデリングに先立って、明示的な時間付き因果グラフを統合する。
実験により,提案手法が最先端検出性能を実現することを示す。
論文 参考訳（メタデータ） (2026-04-20T09:24:28Z) - GenGait: A Transformer-Based Model for Human Gait Anomaly Detection and Normative Twin Generation [11.553495883461359]
本研究では,トランスフォーマーマスマスキングオートエンコーダをベースとした,関節レベル自動修正のためのラベルフリーフレームワークを提案する。
提案手法は、疾患ラベルを必要とせず、歩行障害の解釈可能な主観的局所化を可能にする。
論文 参考訳（メタデータ） (2026-04-02T13:06:27Z) - Neural Uncertainty Principle: A Unified View of Adversarial Fragility and LLM Hallucination [60.197429875410286]
大規模言語モデルにおける視覚と幻覚の対立的脆弱性は、伝統的に別の問題と見なされている。
損失誘起状態下でのニューラル不確実性原理(NUP)の定式化により, ほぼバウンド状態においては, さらなる圧縮は感度分散の増大を伴うことが判明した。
視覚では、高度に結合したコンポーネントをマスキングすることで、コストのかかる敵の訓練なしに堅牢性を向上させる。
言語では、任意の応答トークンを生成する前に、同じプレフィルステージプローブが幻覚リスクを検出する。
論文 参考訳（メタデータ） (2026-03-20T02:07:10Z) - Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。
本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2026-03-16T17:20:38Z) - Diffusion-based Inverse Model of a Distributed Tactile Sensor for Object Pose Estimation [45.95486121114164]
我々は,デノナイズ拡散を用いた逆触覚センサモデルを学習し,触覚データを効率的に活用してポーズ推定を行う。
このモデルは、分布した触覚センサからの触覚観測に基づいて調整され、幾何学的センサーモデルを用いてシミュレーションで訓練される。
オンラインポーズ推定では,提案手法を用いて逆モデルと粒子フィルタを統合する。
論文 参考訳（メタデータ） (2026-01-19T17:36:28Z) - A Physics-Informed Loss Function for Boundary-Consistent and Robust Artery Segmentation in DSA Sequences [6.154694408048338]
本稿では,予測と地道境界の相互作用をモデル化する新しいテクスタイトフィジックス・インフォームド・ロス(PIL)を提案する。
PILはクロスエントロピー、ディス、アクティブ・コンター、サーフェス・ロスといった従来の損失関数を一貫して上回っている。
論文 参考訳（メタデータ） (2025-11-25T17:08:14Z) - Dual Conditioned Motion Diffusion for Pose-Based Video Anomaly Detection [12.100563798908777]
コンピュータビジョン研究にはビデオ異常検出(VAD)が不可欠である。
既存のVADメソッドは、再構築ベースのフレームワークまたは予測ベースのフレームワークを使用する。
ポーズに基づくビデオ異常検出に対処し、Dual Conditioned Motion Diffusionと呼ばれる新しいフレームワークを導入する。
論文 参考訳（メタデータ） (2024-12-23T01:31:39Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z)
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。