Deep-learning-based identification of individual motion characteristics from upper-limb trajectories towards disorder stage evaluation

要約

個人の動作特性を特定することは、個人のリハビリテーションの進行状況を評価するための基礎となり、動作障害のレベルと段階に関する診断情報を提供することができます。
この研究は、タスク空間で測定された 3D 上肢輸送軌跡のデータセットを使用して、個々の運動パターンを区別するための予備研究を示します。
深層時系列学習による個人の識別は、個人の運動特性を抽象化するための重要なステップとなり得ます。
この研究では、9 人のサブセットでは約 95%、31 人のフルセットでは約 78% の分類精度に達しました。
これにより、ポータブル システムに転送される単純な標準化されたタスクを実行することで、患者属性の分離可能性についての洞察が得られます。

要約(オリジナル)

The identification of individual movement characteristics sets the foundation for the assessment of personal rehabilitation progress and can provide diagnostic information on levels and stages of movement disorders. This work presents a preliminary study for differentiating individual motion patterns using a dataset of 3D upper-limb transport trajectories measured in task-space. Identifying individuals by deep time series learning can be a key step to abstracting individual motion properties. In this study, a classification accuracy of about 95% is reached for a subset of nine, and about 78% for the full set of 31 individuals. This provides insights into the separability of patient attributes by exerting a simple standardized task to be transferred to portable systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google