Auto-Gait:歩行タスクビデオに関するコンピュータビジョンによる自動運動失調リスク評価【JST・京大機械翻訳】

Rahman Wasifur; Hasan Masum; Islam Md Saiful; Olubajo Titilayo; Thaker Jeet; Abdelkader Abdelrahman; Yang Phillip; Ashizawa Tetsuo; Hoque Ehsan

プレプリント

J-GLOBAL ID：202202216718488238 整理番号：22P0304865

Auto-Gait:歩行タスクビデオに関するコンピュータビジョンによる自動運動失調リスク評価【JST・京大機械翻訳】

Auto-Gait: Automatic Ataxia Risk Assessment with Computer Vision on Gait Task Videos

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2022年04月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,1)運動失調特異的歩行特性(リスク予測)の参加者を検出する,2)コンピュータビジョンを用いて歩行(重症度評価)から運動失調の重症度を評価することができるかどうかを検討した。89人の参加者から155のビデオのデータセットを作成し,米国の8つの異なる州に位置する11の医療サイトから,アタキア(SARA)の評価と評価のための尺度の歩行課題を遂行する,(または,前マニフェスト)脊髄小脳失調症(SCAs)と診断された24人の対照と65人(または,プレマニフェスト)の脊髄小脳失調症(SCAs)を創出した。参加者を周辺から検出,追跡,分離するためのコンピュータビジョンパイプラインを開発し,ステップ幅,ステップ長,スイング,安定性,速度などの歩行特性を捉えるために,それらの身体姿勢座標からいくつかの特徴を構築する。著者らのリスク予測モデルは,83.06%の精度と80.23%のF1スコアを達成した。同様に,著者らの重症度評価モデルは,0.6225の平均絶対誤差(MAE)スコアと0.7268のピアソン相関係数スコアを達成した。著者らのモデルは,訓練中に使用されないサイトからのデータで評価したとき,まだ競争的に行われた。さらに,特徴重要度解析により,著者らのモデルは,より広範なステップ,歩行速度の減少,およびより大きな運動失調重症度を伴う不安定性の増加を関連させ,これは以前に確立された臨床知識と一致することを見出した。著者らのモデルは,将来の非臨床設定における遠隔運動失調評価の可能性を生み出し,それは,運動失調療法のアクセシビリティを有意に改善することができた。さらに,著者らの根底にあるデータセットは地理的に多様なコホートから組み立てられ,その可能性をさらに増加する可能性を強調した。本研究で用いたコードは公開され,匿名化された身体姿勢ランドマークデータセットも要求時に利用可能である。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

神経系の疾患

, , , , , ,

前のページに戻る