Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Three-dimensional kinematic gait signatures of idiopathic normal pressure hydrocephalus: a biomechanical framework toward objective diagnosis.

Fluids and barriers of the CNS·2026
Same author

KINECAL: A Dataset for Falls-Risk Assessment and Balance Impairment Analysis.

Scientific data·2023
Same author

Vitamin D prescribing practices among clinical practitioners during the COVID-19 pandemic.

Health science reports·2022
Same author

Interpretability of a Deep Learning Based Approach for the Classification of Skin Lesions into Main Anatomic Body Sites.

Cancers·2021
Same author

Evaluation of Automatic Facial Wrinkle Detection Algorithms.

Journal of imaging·2021
Same author

Synthesising Facial Macro- and Micro-Expressions Using Reference Guided Style Transfer.

Journal of imaging·2021

相关实验视频

Updated: Jun 18, 2025

Movement Retraining using Real-time Feedback of Performance
08:16

Movement Retraining using Real-time Feedback of Performance

Published on: January 17, 2013

13.4K

目标落风险评估使用无标记运动捕捉和表示机器学习.

Sean Maudsley-Barton1, Moi Hoon Yap1

  • 1Department of Computing and Mathematics, Manchester Metropolitan University, Manchester M15 6BH, UK.

Sensors (Basel, Switzerland)
|July 27, 2024
PubMed
概括

布对老年人来说是一个很大的风险. 这项研究引入了一种新的计算机辅助方法,使用无标记运动捕捉和LSTM自编码器来准确评估跌倒风险,提供一个连续的尺度,以便更好地分层患者.

科学领域:

  • 老年学是一门学科.
  • 生物医学工程 生物医学工程
  • 计算机科学 计算机科学

背景情况:

  • 在全球范围内,布对65岁以上的人来说是一个关键的健康问题.
  • 客观的跌倒风险评估在临床环境中未得到充分利用,常见的方法是时间密集的观察测试.
  • 目前的跌倒风险评估通常依赖于五次坐立测试所需的时间等指标,这可能无法捕捉完整的运动动态.

研究的目的:

  • 开发和评估计算机辅助诊断工具,用于客观地评估落风险.
  • 利用无标记运动捕捉和先进建模,更深入地了解与跌倒风险相关的运动模式.
  • 引入用于连续跌倒风险分层的新型评分系统.

主要方法:

  • 利用无标记运动捕捉技术来跟踪骨关节的运动.
  • 采用长期短期记忆 (LSTM) 自动编码模型,从移动数据中导出距离测量值.
  • 开发了一种基于推导距离测量的新评分系统,用于持续下降风险评估.
  • 在KINECAL数据集上对该方法进行了评估,该数据集包括90个个体执行11个临床运动的记录.

主要成果:

  • 在识别有较高跌倒风险的个体时,获得了0.84的准确性.
  • 开发的评分系统允许根据个体的跌倒风险在连续尺度上对个体进行排名.
关键词:
在 LSTM 自动编码器.检测异常检测异常检测计算机辅助诊断是指计算机辅助的诊断.跌倒的风险 跌倒的风险没有标记的移动捕捉.代表性模型是一个代表性模型.

更多相关视频

Author Spotlight: Innovations in iTUG Test for Enhanced Risk Assessment and Cognitive Insights
05:26

Author Spotlight: Innovations in iTUG Test for Enhanced Risk Assessment and Cognitive Insights

Published on: October 25, 2024

983
Subject-specific Musculoskeletal Model for Studying Bone Strain During Dynamic Motion
09:32

Subject-specific Musculoskeletal Model for Studying Bone Strain During Dynamic Motion

Published on: April 11, 2018

9.7K

相关实验视频

Last Updated: Jun 18, 2025

Movement Retraining using Real-time Feedback of Performance
08:16

Movement Retraining using Real-time Feedback of Performance

Published on: January 17, 2013

13.4K
Author Spotlight: Innovations in iTUG Test for Enhanced Risk Assessment and Cognitive Insights
05:26

Author Spotlight: Innovations in iTUG Test for Enhanced Risk Assessment and Cognitive Insights

Published on: October 25, 2024

983
Subject-specific Musculoskeletal Model for Studying Bone Strain During Dynamic Motion
09:32

Subject-specific Musculoskeletal Model for Studying Bone Strain During Dynamic Motion

Published on: April 11, 2018

9.7K
  • 证明了超越简单的基于时间的指标的更丰富的洞察力.

    • 结论:

    • 拟议的无标记运动捕捉和LSTM自编码器方法为老年人跌倒风险评估提供了准确和客观的方法.
    • 新的连续评分系统提高了区分落风险水平的能力.
    • 该方法在预防和康复中显示出临床应用的前景,与KINECAL数据集的目标保持一致.