文献

J-GLOBAL ID：202202248214402047   整理番号：22A1088102

強化畳込みニューラルネットワークを用いた歩行病理学の分類【JST・京大機械翻訳】

Classification Of Gait Pathology Using Enhanced Convolutional Neural Network

著者 (2件)： P Nithyakani (School of Computing, SRM Institute of Science and Technology,Department of Computing Technologies,Tamil Nadu,India) ,  M Ferni Ukrit (School of Computing, SRM Institute of Science and Technology,Department of Computational Intelligence,Tamil Nadu,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCCI  ページ： 1-5  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ヒト歩行分析は,歩行障害を同定するための多様なアプローチとなっている。正常ヒト歩行は,困難なしで歩行または移動する能力を持っている。異常なヒト歩行は歩行に対する安定性を維持する努力を最大化する。この異常は多数の病理学的因子に起因する。歩行解析は異常を同定する専門知識に依存する。深層学習アプローチは,画像分類,予測などにおいて,より一般的で成功したアプローチになった。挑戦的な歩行解析を促進するために,本研究では,深層学習アルゴリズムを利用した。強化畳み込みニューラルネットワークを提案し,事前訓練CNNモデルと比較してより少ない数のパラメータで歩行病理を同定するために構築した。歩行シーケンスの矢状面を提案モデルへの入力として取り上げた。提案モデルの層を最適化して性能を増加させた。提案方法をINIT歩行データセット,DAI歩行データセットおよびDAI歩行データセット2上でテストした。実験結果は,強化畳み込みニューラルネットワークが,効果的方法で,歩行シーケンスを病理学に分類するのに信頼できることを示した。提案モデルは,INITおよびDAI歩行データセットと比較して,DAI歩行2データセットの歩行病理学を分類する際に,97.4%の精度を凌駕した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  深層 ,  *病理 ,  学習アルゴリズム
準シソーラス用語： 歩行困難 ,  画像分類 ,  歩行解析 ,  ヒト歩行 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 強化 ,  畳込みニューラルネットワーク ,  歩行 ,  病理学 ,  分類