深層畳込みニューラルネットワークを用いたセンサベースの歩行パラメータ抽出【Powered by NICT】

Hannink Julius; Kautz Thomas; Pasluosta Cristian F.; Gasmann Karl-Gunter; Klucken Jochen; Eskofier Bjoern M.

文献

J-GLOBAL ID：201702268040981972 整理番号：17A0212886

深層畳込みニューラルネットワークを用いたセンサベースの歩行パラメータ抽出【Powered by NICT】

Sensor-Based Gait Parameter Extraction With Deep Convolutional Neural Networks

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A0212886&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A0212886&from=J-GLOBAL&jstjournalNo=W1135A") }}

著者 (6件)： , , , , ,
資料名：
巻： 21 号： 1 ページ： 85-93 発行年： 2017年
JST資料番号： W1135A ISSN： 2168-2194 CODEN： IJBHA9 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ストライド関連,生体力学的パラメータの測定は,客観的歩行障害スコアリングのための一般的な理論的根拠である。慣性センサデータからこれらのパラメータを抽出するための最新の2重積分アプローチは,基本的な仮定のために臨床応用では,限られている。これを克服するために,ウェアラブルセンサによって提供された抽象情報を変換する深い畳込みニューラルネットワークに基づく文脈関連のエキスパート特徴にする方法を示した。移動歩行解析では,これは八種類の空間-時間ストライドパラメータのセットの組み込みがないとデータ駆動型抽出を可能にする。この目的のために,二つのモデリング手法を比較した:複合ネットワーク対象のすべてのパラメータと各パラメータのための複雑度の低いネットワークを形成することをアンサンブル法を推定した。アンサンブル手法は現在の応用における組合せモデルよりも優れている。臨床的に意義のあると公的に利用可能なベンチマークデータセットについて, 0.15±6.09cmまでのストライド長さ,幅および内外側変化蹄の角度でそれぞれ 0.09±4.22cm,0.13±3.78°を推定した。ストライド,揺れとスタンス時間,踵及び足指接触時間は,それぞれ±0.07,±0.05,±0.07,±0.07と±0.12sまで推定した。これはに匹敵し,技術の現状をまたは定義部品。著者らの結果は,方法論の提案した変化は仮定駆動二重積分法を置換し,例えば,けい性歩行障害の場合のように臨床的に重要な状況における空間-時間ストライドパラメータの移動評価を可能にすることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

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

パターン認識

, ,

前のページに戻る