Cerebral Palsy Prediction with Frequency Attention Informed Graph Convolutional Networks

要約

早期の診断と介入は、脳性麻痺 (CP) の治療において最も重要な部分であると臨床的に考えられているため、CP の効率的で解釈可能な自動予測システムを設計することが不可欠です。
CP乳児の人間の動きの頻度と健康なグループの頻度との有意差を強調し、予測パフォーマンスを向上させます。
しかし、既存の深層学習ベースの方法では、幼児の動きの頻度情報を CP 予測に使用していませんでした。
このホワイト ペーパーでは、周波数アテンション インフォームド グラフ畳み込みネットワークを提案し、2 つのコンシューマ グレードの RGB ビデオ データセット、つまり MINI-RGBD および RVI-38 データセットで検証します。
提案された周波数注意モジュールは、分類のパフォーマンスとシステムの解釈可能性の両方を改善するのに役立ちます。
さらに、ノイズをフィルタリングしながら人間の関節位置データの臨界周波数を保持する周波数ビニング方法を設計します。
当社の予測性能は、両方のデータセットで最先端の研究を実現しています。
私たちの仕事は、CPの予測を非介入的にサポートする際の周波数情報の有効性を実証し、臨床リソースが豊富ではないリソースが限られた地域でCPの早期診断をサポートする方法を提供します.

要約(オリジナル)

Early diagnosis and intervention are clinically considered the paramount part of treating cerebral palsy (CP), so it is essential to design an efficient and interpretable automatic prediction system for CP. We highlight a significant difference between CP infants’ frequency of human movement and that of the healthy group, which improves prediction performance. However, the existing deep learning-based methods did not use the frequency information of infants’ movement for CP prediction. This paper proposes a frequency attention informed graph convolutional network and validates it on two consumer-grade RGB video datasets, namely MINI-RGBD and RVI-38 datasets. Our proposed frequency attention module aids in improving both classification performance and system interpretability. In addition, we design a frequency-binning method that retains the critical frequency of the human joint position data while filtering the noise. Our prediction performance achieves state-of-the-art research on both datasets. Our work demonstrates the effectiveness of frequency information in supporting the prediction of CP non-intrusively and provides a way for supporting the early diagnosis of CP in the resource-limited regions where the clinical resources are not abundant.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google