論文の概要: DiaSeg: Diagonal Segment Extraction from DTW Paths for Interpretable Gait Analysis
- arxiv url: http://arxiv.org/abs/2609.24223v1
- Date: Mon, 21 Sep 2026 07:42:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.185057
- Title: DiaSeg: Diagonal Segment Extraction from DTW Paths for Interpretable Gait Analysis
- Title（参考訳）: DiaSeg:解釈可能な歩行分析のためのDTW経路からの対角セグメント抽出
- Abstract要約: 動的時間温暖化(DTW)は時系列間の類似性を測定する主要な手法である。
DTW経路から対角線分を制御ブレークで抽出するフレームワークであるDiaSegを紹介する。
- 参考スコア（独自算出の注目度）: 0.7829352305480287
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Dynamic Time Warping (DTW) is the dominant approach for measuring similarity between time series, yet standard practice discards the optimal warping path after computing a single distance value, losing local alignment information most relevant to clinical diagnosis. We introduce DiaSeg, a framework that extracts diagonal segments from DTW paths with controlled breaks, characterizing each segment by five geometric features (effective length, interruption count, cost variation, temporal position, and path context), and enabling unsupervised pattern discovery without domain-specific feature engineering. Validated on 91 subjects across six clinical conditions (healthy aging, Parkinson's, Huntington's, ALS, brain tumor, and stroke), three findings emerge. First, diagonal segments form consistent unsupervised patterns (silhouette 0.33) aligned with biomechanical phase annotations, with label-based validation confirming near-perfect separation of healthy and pathological gait (ARI up to 0.986). Second, segments discriminate pathology at 69% (supervised) and 75% (patient-level clustering), with pathology manifesting through distributional shifts in segment length; combining segment and cycle-level features further improves classification to 91.7%. Third, while cycle-based methods achieve higher accuracy (91%), diagonal segments provide phase-specific interpretability unavailable in global representations, localizing where coordination breaks down within the gait cycle. DiaSeg thus transforms DTW from a black-box distance into a source of interpretable temporal features for neurodegenerative disease assessment.
- Abstract（参考訳）: 動的時間ワープ(DTW)は時系列間の類似性を測定する主要な手法であるが、標準的な手法では、単一の距離の計算後に最適なワープ経路を捨て、臨床診断に最も関係のある局所的なアライメント情報を失う。
DTW経路から対角線を制御的ブレークで抽出し、各セグメントを5つの幾何学的特徴(有効長さ、割り込み数、コスト変動、時間的位置、経路コンテキスト)で特徴付け、ドメイン固有の特徴工学を使わずに教師なしパターン発見を可能にするフレームワークであるDiaSegを紹介する。
6つの臨床疾患(パーキンソン病、ハンティントン病、ALS、脳腫瘍、脳卒中)の91名を対象に検査を行ったところ、3つの所見がみられた。
まず、対角線は、バイオメカニカルフェーズアノテーションと整合した、一貫した教師なしパターン(シルエット0.33)を形成し、ラベルベースの検証により、健康および病理的な歩行(ARI 0.986 まで)のほぼ完全な分離が確認された。
第2に、セグメントは69%(監督)と75%(患者レベルのクラスタリング)で病理を識別し、セグメントの長さの分布変化を通じて病理を表わし、セグメントとサイクルレベルの特徴を組み合わせることで、さらに91.7%の分類を改善する。
第3に、サイクルベースの手法は高い精度(91%)を達成する一方、対角線セグメントはグローバルな表現では利用できない位相特異的な解釈可能性を提供し、調整が歩行サイクル内で分解される位置をローカライズする。
これにより、DiaSegはDTWをブラックボックス距離から神経変性疾患評価のための解釈可能な時間的特徴の源へと変換する。
関連論文リスト
- Automated 2D and 3D Segmentation of AMD and DME Lesions in OCT [5.625893116312849]
加齢に伴う黄斑変性と糖尿病黄斑浮腫は視力喪失の原因となっている。
光コヒーレンストモグラフィーのための多くのディープラーニングセグメンテーション作業は、ドメイン内でのみ検証されている。
この研究は、4つの病変分離パイプラインを開発し、体系的に非難する。
論文 参考訳（メタデータ） (2026-08-27T13:13:18Z) - Temporal Generalization in fNIRS-Based Autism Classification: A Cross-Time-Window Transfer Benchmark [0.0]
機能近赤外分光法(FNIRS)は自閉症スペクトラム障害(ASD)分類において有望なモダリティである。
実際には、最適な観察窓は、血行遅延と神経血管の結合の違いにより、被験者によって異なる。
我々はこれをテキスト・クロス・タイム・ウインドウ・トランスファー問題として定式化し、生体動作試験におけるウィンドウ長(2.5～10,s)とオフセット(オフセット)の異なるプロトコルを導入する。
論文 参考訳（メタデータ） (2026-08-03T18:50:55Z) - Parameter-Efficient Adaptation of SAM 3 for Automated ITV Generation from 4DCT Images [0.0]
4次元CT(4DCT)は胸部解剖の完全な呼吸周期を捉えている。
現在の内部ターゲットボリューム構成プロセスは、各フェーズを分離し、時間的コヒーレンスを破棄し、フェーズ固有のアーティファクトに脆弱なままにしておく。
低ランク適応(LoRA)を介してSegment Anything Model 3(SAM3)にパラメータ効率の良い微調整を適用するフレームワークを提案する。
7つの注釈付きボリュームで、このフレームワークは全データの精度の95%以上を保持し、パイプライン全体は1つのコンシューマグレードのGPUでトレーニングできる。
論文 参考訳（メタデータ） (2026-06-14T05:12:57Z) - TriALS: Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT [49.93685997940356]
コントラスト制限条件下での肝病変の自動分節に対するTriALSの課題について述べる。
最高性能は平均静脈圧0.754で, NCCTでは0.57に低下した。
アルゴリズムの性能は、トレーニングデータスケールと事前学習戦略によって最も強く予測された。
論文 参考訳（メタデータ） (2026-05-15T19:23:35Z) - Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。
マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
論文 参考訳（メタデータ） (2025-12-07T14:03:28Z) - Deep Unsupervised Anomaly Detection in Brain Imaging: Large-Scale Benchmarking and Bias Analysis [42.60508892284938]
脳画像の深部教師なし異常検出のための大規模マルチセンターベンチマークを提案する。
健康なデータセットと多様な臨床コホートにまたがる2,221T1wと1,262T2wのスキャンを行った。
我々のベンチマークは今後の研究の透明な基盤を確立し、臨床翻訳の優先順位を強調している。
論文 参考訳（メタデータ） (2025-12-01T11:03:27Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - Depth-Sequence Transformer (DST) for Segment-Specific ICA Calcification Mapping on Non-Contrast CT [38.85617601239779]
従来の3Dモデルは、縮小されたボリュームや分離されたパッチを処理せざるを得ない。
我々は,3次元課題を1次元軸方向に沿ったtextbfParallel Probabilistic Landmark Localizationタスクとして再構成する。
フル解像度CTボリュームを2次元スライスシーケンスとして処理するフレームワークである textbfDepth-Sequence Transformer (DST) を提案する。
論文 参考訳（メタデータ） (2025-07-10T23:12:12Z) - Reflecting Topology Consistency and Abnormality via Learnable Attentions for Airway Labeling [19.269806092729468]
気道解剖学的ラベリングは、気管支鏡で複雑な気管支構造を識別し、ナビゲートするために、臨床医にとって不可欠である。
従来の手法は一貫性のない予測を生成する傾向にある。
本稿では, トポロジカルな整合性を高め, 異常な気道分岐の検出を改善する手法を提案する。
論文 参考訳（メタデータ） (2024-10-31T12:04:30Z) - Spatio-temporal Learning from Longitudinal Data for Multiple Sclerosis
Lesion Segmentation [42.25397672438179]
症例70名を対象に,本法の有効性について検討した。
総合点数では、現状の成果を2.6%改善する。
論文 参考訳（メタデータ） (2020-04-07T19:57:24Z)
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。