論文の概要: Evaluating Anterior Cruciate Ligament Risk of Injury Using a Graph Convolutional Autoencoder
- arxiv url: http://arxiv.org/abs/2611.09724v2
- Date: Fri, 13 Nov 2026 18:44:12 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:30:30.685619
- Title: Evaluating Anterior Cruciate Ligament Risk of Injury Using a Graph Convolutional Autoencoder
- Title(参考訳): グラフ畳み込みオートエンコーダを用いた外傷前十字靭帯損傷リスクの評価
- Abstract要約: 我々は,複数の階層のグラフ畳み込みネットワークを持つオートエンコーダアーキテクチャに基づいて,スマートフォン上で2つのタスクで動作させる教師なし学習モデルを開発した。
本モデルでは,DVJ では78%,DVJ では78%,SLH では75%,74%,両運動負荷テストでは74%の障害リスクの高い選手を正確に予測する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Current solutions for assessing the risk of anterior cruciate ligament (ACL) injury typically rely on expensive motion-capture labs that require substantial resource investment or subjective evaluations of specific athletic stress tests by experts. The Drop Vertical Jump (DVJ) and the Single Leg Hop (SLH) are two examples of such tests typically used to track progress in ACL rehabilitation. In this paper, we develop an unsupervised learning model that runs entirely on a smartphone for two tasks, based on an autoencoder architecture with multiple layers of graph convolutional networks, which utilizes pose estimation data to determine a person's injury risk status. Our model accurately predicts athletes at high risk of injury for both athletic stress tests, with average sensitivities and specificities of 78% and 78% for the DVJ, and 75% and 74% for the SLH. Our findings support the development of a widely accessible smartphone solution for real-time screening of ACL injury risk.
- Abstract(参考訳): 膝前十字靭帯損傷(ACL)のリスクを評価するための現在の解決策は、典型的には、かなりのリソース投資を必要とする高価なモーションキャプチャーラボや、専門家による特定の運動ストレステストの主観評価に依存する。
Drop Vertical Jump (DVJ) と Single Leg Hop (SLH) は、一般的にACLリハビリテーションの進捗を追跡するために使用される2つの例である。
本稿では,複数階層のグラフ畳み込みネットワークを持つオートエンコーダアーキテクチャに基づいて,スマートフォン上で全動作する教師なし学習モデルを構築し,ポーズ推定データを用いて損傷リスクの判定を行う。
本モデルでは,DVJ では78%,DVJ では78%,SLH では75%,74%,両運動負荷テストでは74%の障害リスクの高い選手を正確に予測する。
本研究は,ACL損傷リスクのリアルタイムスクリーニングのためのスマートフォンソリューションの開発を支援する。
関連論文リスト
- Multimodal Injury Risk and Performance Prediction in Tennis Using Weighted Ensemble Learning [4.699056011866599]
本研究では,テニス選手のスポーツ選手の健康状態を監視し,短期的傷害リスクを推定するための重み付きアンサンブル学習フレームワークであるPART(Predictive Athlete Readiness for Tennis)を提案する。
Partは、生理的指標、トレーニングとマッチデータ、ウェアラブルデバイスからの睡眠情報、セルフレポートされたアンケート、垂直ジャンプアセスメント、マッチプレイビデオからのモーション分析など、幅広い入力を処理する。
スポーツ選手のウェルネスをモニターし、短期的傷害感受性を推定する上で、パートは強いパフォーマンスを達成する。
論文 参考訳(メタデータ) (2026-08-21T18:09:35Z) - Time-to-Injury Forecasting in Elite Female Football: A DeepHit Survival Approach [0.5980822697955565]
本研究では,DeepHitニューラルネットワークを用いて,縦断的スポーツ選手モニタリングデータから外傷発生の予測が可能かを検討した。
この分析は、プロサッカー選手のトレーニング、試合、ウェルネス記録の2シーズンを含む、公開可能なサッカーモンデータセットを利用した。
論文 参考訳(メタデータ) (2026-01-27T11:11:52Z) - Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients [65.57160385098935]
糖尿病網膜症の早期発見は、視力喪失のリスクを最大95%減少させる可能性がある。
我々は、AIライフサイクル全体にわたる倫理的原則を取り入れた、DRスクリーニングのための責任あるAIシステムであるRAIS-DRを開発した。
当科におけるRAIS-DRをFDA認可のEyeArtシステムと比較した。
論文 参考訳(メタデータ) (2025-08-17T21:54:11Z) - Beyond Benchmarks: Dynamic, Automatic And Systematic Red-Teaming Agents For Trustworthy Medical Language Models [87.66870367661342]
大規模言語モデル(LLM)は、医療におけるAIアプリケーションで使用される。
LLMを継続的にストレステストするレッドチームフレームワークは、4つのセーフティクリティカルなドメインで重大な弱点を明らかにすることができる。
敵エージェントのスイートは、自律的に変化するテストケースに適用され、安全でないトリガー戦略を特定し、評価する。
私たちのフレームワークは、進化可能でスケーラブルで信頼性の高い、次世代の医療AIのセーフガードを提供します。
論文 参考訳(メタデータ) (2025-07-30T08:44:22Z) - Deep Rib Fracture Instance Segmentation and Classification from CT on
the RibFrac Challenge [66.86170104167608]
RibFrac Challengeは、660のCTスキャンから5,000以上のリブ骨折のベンチマークデータセットを提供する。
MICCAI 2020チャレンジ期間中に243つの結果が評価され、7つのチームがチャレンジサマリーに参加するために招待された。
この分析により、いくつかのトップリブ骨折検出ソリューションが、人間の専門家と同等かそれ以上の性能を達成したことが明らかになった。
論文 参考訳(メタデータ) (2024-02-14T18:18:33Z) - 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) - Assessment of Anterior Cruciate Ligament Injury Risk Based on Human Key
Points Detection Algorithm [2.2284196209013345]
本稿では,コンピュータビジョン技術を用いて検出された人体のキーポイントに基づくACL損傷リスク評価アルゴリズムを提案する。
提案アルゴリズムはACL損傷の潜在的なリスクを効果的に検出する。
論文 参考訳(メタデータ) (2023-05-24T01:22:26Z) - Analysis of Smooth Pursuit Assessment in Virtual Reality and Concussion
Detection using BiLSTM [0.0]
スポーツ関連脳梗塞(SRC)バッテリは主観的症状報告に大きく依存している。
本稿では,長期記憶(LSTM)リカレントニューラルネットワーク(RNN)アーキテクチャを用いて,眼球運動データからSRCを検出する手法を提案する。
論文 参考訳(メタデータ) (2022-10-12T16:52:31Z) - SUPERNOVA: Automating Test Selection and Defect Prevention in AAA Video
Games Using Risk Based Testing and Machine Learning [62.997667081978825]
従来の手法では、成長するソフトウェアシステムではスケールできないため、ビデオゲームのテストはますます難しいタスクになります。
自動化ハブとして機能しながら,テスト選択と欠陥防止を行うシステム SUPERNOVA を提案する。
この直接的な影響は、未公表のスポーツゲームタイトルの55%以上のテスト時間を減らすことが観察されている。
論文 参考訳(メタデータ) (2022-03-10T00:47:46Z) - Predicting risk of late age-related macular degeneration using deep
learning [12.137730470081843]
年齢関連黄斑変性症(AMD)は2040年までに世界中で約2億8800万人に影響を与える。
深層学習は、カラーファンドス写真を用いたAMDの診断・スクリーニングにおいて有望であることを示している。
我々は,3,298人の参加者を用いて,深層学習と生存分析が後期AMDの進行確率を予測することを実証した。
論文 参考訳(メタデータ) (2020-07-19T01:32:09Z)
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。