論文の概要: Adaptive Gait Biofeedback With Participant-Held-Out Modeling and Participant-Specific Updating in Chronic Ankle Instability

• arxiv url: http://arxiv.org/abs/2610.07428v1
• Date: Mon, 05 Oct 2026 21:36:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.681415
• Title: Adaptive Gait Biofeedback With Participant-Held-Out Modeling and Participant-Specific Updating in Chronic Ankle Instability
• Title（参考訳）: アダプティブ・ゲイト・バイオフィードバック : 慢性足関節不安定症における参加者ヘルドアウトモデリングと参加者特異的更新
• Abstract要約: アダプティブ・ゲイト・バイオフィードバックは慢性足関節不安定症における反復的練習を支援する可能性がある。 プロトコル定義のGOOD/BAD歩行サイクルラベルを用いた時間的畳み込み分類器の評価を行った。 平均BADクラスF1は、同一セッションサブセットで0.187、最初の録音で0.118、候補モデルで0.118であった。
• 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: Adaptive gait biofeedback may support repeated practice in chronic ankle instability, but its evaluation must address model performance and human response. We evaluated a temporal convolutional classifier on protocol-defined, angle-derived GOOD/BAD gait-cycle labels using participant-held-out leave-one-subject-out (LOSO) cross-validation in 20 participants. Seven participants in the adaptive-intervention group completed nine sessions over three weeks, with one motion-capture recording analyzed per session. Models updated after failed sessions were compared offline with their parent models on the same-session validation subset used for candidate selection and the first subsequent adaptive-session recording. Frontal-plane ankle angle was compared between the adaptive group and 10 sequentially enrolled controls at Baseline, Post, and 7-day Retention. Across 20 held-out folds, mean fold-level area under the receiver operating characteristic curve (AUROC) was 0.948, sensitivity for angle-threshold-exceeding BAD cycles was 0.941, and specificity for angle-threshold-meeting GOOD cycles was 0.366. Mean BAD-class F1 was higher in candidate models by 0.187 on the same-session subset and 0.118 on the first subsequent recording. At Post, the adaptive group had a baseline-adjusted frontal-plane ankle angle 5.168 degrees lower than controls (95% confidence interval, 1.766-8.569 degrees lower); the Retention contrast was uncertain. These findings characterize population-model discrimination and offline participant-specific updating during repeated biofeedback use, alongside a nonrandomized Post frontal-plane ankle angle association. They do not establish independent clinical gait classification or a causal benefit of updating.
• Abstract（参考訳）: アダプティブ・ゲイト・バイオフィードバックは、慢性足関節不安定症における反復的な練習をサポートする可能性があるが、その評価はモデルの性能と人間の反応に対処する必要がある。 プロトコル定義のGOOD/BAD歩行サイクルラベルを用いた時間的畳み込み分類器の評価を行った。 アダプティブ・インターベンション・グループの7人の参加者が3週間にわたって9つのセッションを完了し、セッション毎に1つのモーションキャプチャー記録が分析された。 失敗セッション後に更新されたモデルは、候補選択とその後の最初の適応セッション記録に使用される同セッション検証サブセットの親モデルとオフラインで比較された。 前頭葉の足首角度は, 適応群と, ベースライン, ポスト, および7日間の保持部で連続的に登録された10の制御群で比較した。 ホールドアウト20回以上, 受信機動作特性曲線(AUROC)の平均折りたたみ面積は0.948で, BADサイクルの感度は0.941, GOODサイクルの特異性は0.366であった。 平均BADクラスF1は、同一セッションサブセットで0.187、最初の録音で0.118、候補モデルで0.118であった。 Postでは、アダプティブ・グループはベースライン調整された前方面の足首角度5.168度(95%の信頼区間、1.766-8.569度)で、保持コントラストは不透明であった。 以上の結果から,非ランダム化後前頭葉前頭葉アンカーアングルアソシエーションを伴い,集団モデル識別とオフライン参加者特異的更新の繰り返しバイオフィードバック使用時の特徴が示唆された。 彼らは独立した臨床歩行分類や更新の因果的利益を確立していない。

関連論文リスト

• Calibration-First Cross-Cohort Multimodal Temporal Learning for Transferable Asthma-Risk Forecasting [0.0]
  喘息の悪化予測は、患者の人口、センサーのエコシステム、利用可能なモダリティが変化しても、確実に行う必要がある。 不完全データを用いた近地リスク予測のためのキャリブレーションファーストマルチモーダル時間フレームワークであるCALIBRAを提案する。
  論文  参考訳（メタデータ） (2026-09-17T08:19:47Z)
• LeCor: Learning to Be Corrected by Meta-Learned Test-Time Training for Interactive 3D Lung-Tumour Segmentation [45.86925813888675]
  肺腫瘍におけるSAM 3の微調整は、0.298から0.757までの1点のプロンプトから得られるDiceを上昇させ、7ラウンドの補正によりさらに0.765まで上昇させる。 ケース毎にリセットされたケースアダプタの小さなセットでテスト時間トレーニングを行うLeCorを提案する。 LeCor は 7 回の補正ラウンドを 0.787 から 0.827 に引き上げ、0.80 を 47 から 27 に到達しないケースの数を 47 から 27 に減らし、3 回の補正ラウンドで細調整モデルが 7 で到達した精度を下げる。
  論文  参考訳（メタデータ） (2026-09-08T21:49:56Z)
• Test-time Adaptation of Pelvic Bone Segmentation Models via Dynamic Reliability-Guided [62.10276009853225]
  ロボットによる骨盤外傷手術には,CTによる骨切片の信頼性が不可欠である。 既存の方法はPBSに対して限られた有効性を示した。 PBSのための新しいクローズドループ動的信頼性ガイドフレームワーク(ReGA)を提案する。
  論文  参考訳（メタデータ） (2026-08-01T08:13:20Z)
• Simultaneous hyperkinetic movement disorders phenotyping: a cross-cohort pediatric transfer study using routine videos, markerless pose estimation and a tabular foundation model [0.0]
  このフレームワークは、マーカーレスポーズ推定、キネマティック記述子、事前訓練された愛着モデルを組み合わせる。 結果: 決定層の局所的校正後, 維持中の小児患者に対して, 常に改善が認められた。
  論文  参考訳（メタデータ） (2026-06-04T18:13:13Z)
• Let the Results Speak: A Replication-First Paradigm for LLM Behavioral Benchmarking [22.825786049667602]
  本稿では,1つのヒト・ラタのコンセンサスに有効性を確保するために,複製第一パラダイムを提案する。 楽器を4つの特性で認証する - Kランの信頼性、アーキテクチャ的に異なる審査員間のクロスインストラクトレプリケーション、以前のトレーニングコホートからの審査員による歴史的フットプリントキャリブレーション、事前登録された予測。 本研究は, 自己発達型データ駆動による情緒的伴奏で, 次元は事前に決められず, 手順は9次元に安定化する。
  論文  参考訳（メタデータ） (2026-05-27T03:41:11Z)
• FlatASCEND: Autoregressive Clinical Sequence Generation with Continuous Time Prediction and Association-Based Pharmacological Testing [1.7865154997539017]
  平坦な複合トークンを用いた14.5Mパラメータ自己回帰臨床シーケンスモデルであるFlatASCENDと、ゼロインフレーションされた対数正規時間ヘッドを提案する。 プロンプトシャッフルアブレーションは、患者固有の条件付けが機械的薬理学的効果を増幅することを示している。 生成的証拠は短水平ICUデータにとって最強であり、外来患者の時間的忠実度は弱くなっている。
  論文  参考訳（メタデータ） (2026-04-13T11:43:51Z)
• From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
  異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。 商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。 低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
  論文  参考訳（メタデータ） (2026-03-02T13:02:13Z)
• Multimodal Survival Modeling and Fairness-Aware Clinical Machine Learning for 5-Year Breast Cancer Risk Prediction [4.750682174151462]
  乳癌における5年間の生存予測のための,完全再現可能な機械学習フレームワークを提案する。 我々は,METABRICコホートから高次元転写・複写数変化(CNA)の特徴を臨床変数と統合した。 ROC曲線(AUC)、平均精度(AP)、キャリブレーション曲線、ブライアスコア、ブートストラップの95%の信頼区間を用いて評価を行った。
  論文  参考訳（メタデータ） (2026-02-25T07:20:43Z)
• Cross-Sample Augmented Test-Time Adaptation for Personalized Intraoperative Hypotension Prediction [45.67071315035565]
  術中低血圧は外科的危険を伴うが、患者固有の変動性のために正確な予測は困難である。 CSA-TTA(Cross-Sample Augmented Test-Time Adaptation framework)を提案する。 提案したCSA-TTAを,現在最先端の時系列予測モデルと統合することで,VitalDBデータセットと実世界のインホスピタルデータセットの両方で評価する。
  論文  参考訳（メタデータ） (2025-12-12T08:02:37Z)
• AttentiveGRUAE: An Attention-Based GRU Autoencoder for Temporal Clustering and Behavioral Characterization of Depression from Wearable Data [46.262619407930266]
  本稿では,時間的クラスタリングと縦型ウェアラブルデータによる結果の予測を目的とした,新しい注意型ゲートリカレントユニット(GRU)オートエンコーダであるAttentiveGRUAEを提案する。 372名(GLOBEM 2018-2019)の長期睡眠データからAttentiveGRUAEを評価する。 これは、クラスタリングの品質と抑うつの分類の両方において、ベースラインクラスタリング、ドメイン指向の自己教師付きモデル、および改善されたモデルよりも優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-10-02T20:52:16Z)
• 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)

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。