人工知能の修士課程の学生である Ruslan Gokhman 氏と、大学院コンピュータサイエンスおよびエンジニアリング学部の博士研究員である Sai Praveen Kadiyala 博士が、最近の IEEE/ACM 国際会議で論文の結果を発表しました。
デイブ・デフスコ
研究者らは、脳卒中患者の治療と回復を支援するために、人工知能の一種であるシャムネットワークを使用して一連のアルゴリズムを開発しました。このアルゴリズムは、脳卒中患者の体の動きをより正確に識別して追跡するものです。「シャムネットワークを使用した脳卒中患者の正確な体位マッチング」というホワイトペーパーにまとめられた研究結果は、6 月に開催された IEEE/ACM 国際会議「コネクテッド ヘルス: アプリケーション、システム、エンジニアリング技術 (CHASE)」で発表されました。
脳卒中は米国における長期障害の主な原因の 1 つであり、毎年 80 万人以上が罹患しています。脳卒中から回復する人にとって、運動機能の回復は自立に向けた重要なステップです。脳卒中リハビリテーションの最新の進歩には、患者の運動機能と協調性の回復を支援するために設計された外骨格とゲームベースの療法があります。
「これらの治療法の重要な側面は、脳卒中患者の体の動きを正確に追跡することです」と、論文の主執筆者であり、 人工知能の修士号 カッツスクールでは、「しかし、既存の機械学習手法では、脳卒中患者の動きをグラウンドトゥルースと呼ばれる理想的な動きのパターンと正確に一致させることが困難でした。」
研究者らが提案した新しい方法は、従来の方法に比べて精度が大幅に向上している。このシステムは、リハビリテーション運動中の 10 人の健康な人と 9 人の脳卒中患者の 25 個の関節の位置を Kinect センサーで記録し、脳卒中患者から動作データを収集する。研究者らは、記録された動作を理想的な姿勢と比較するために、長短期記憶 (LSTM) や畳み込みニューラル ネットワーク (>) などのシャム ネットワークを使用した。
これらのネットワークは、類似した動きを正確に認識して一致させるようにトレーニングされています。モデルは、健常者と脳卒中患者の両方の運動データの公開データベースを使用してテストおよび検証されています。Siamese ベースのモデルは、従来の方法と比較して識別精度が向上しました。
正確な姿勢マッチングは、効果的なリハビリテーションに不可欠です。システムが患者の動きを正確に識別して評価できれば、医師は患者の特定のニーズに合わせて治療を調整でき、より良い回復結果につながります。
「技術の急速な進歩により、ギャップを特定し、満たされていないニーズに最もよく対応するモデルを開発するには、包括的かつ定期的な研究を行うことが不可欠です」と、論文の共著者であり、 バイオテクノロジー管理と起業家精神の修士号。
Siamese LSTM モデルは、一連の動作を処理し、データ内の長期的な依存関係を処理できるため、時間の経過に伴うリハビリの進行を追跡するのに効果的です。また、Siamese > モデルは、連続した動作のパターンを認識することに優れており、ポーズの一致においてより高い精度を提供します。
提案されたモデルの有効性は、厳格なテストと既存の方法との比較を通じて検証されました。特に、Siamese > モデルは、誤った一致を最小限に抑える点で優れた精度を示しており、ポーズの一致の精度が重要なアプリケーションに最適です。
「これらの高度なアルゴリズムは、脳卒中のリハビリテーションに有益であるだけでなく、バーチャルリアリティゲームや自動運転など、正確な体勢推定が重要な他の分野にも応用できる可能性があります」とメリーランド大学ボルチモア郡校のコンピューターサイエンスおよび電気工学准教授ラマナ・ビンジャムリ氏は語る。
脳卒中のリハビリテーションでは、この新しいシステムは、より優れた治療セッションの設計に役立ちます。たとえば、治療で使用される本格的なゲームやインタラクティブなゲームは、各患者のニーズに合わせてより効果的に調整できるため、エクササイズがより魅力的で有益なものになります。これらのゲームには、運動機能の回復に不可欠な滑らかさと正確さで採点される動きが含まれることがよくあります。
今後の研究では、新しいデータセットを使用してこれらのモデルを検証し、リハビリテーションの結果への直接的な影響を調べることに重点が置かれます。目標は、脳卒中患者向けにさらに効果的でパーソナライズされたリハビリテーション計画を作成し、最終的に患者の生活の質を向上させることです。
「体の姿勢を合わせるためのシャムベースのモデルの導入は、脳卒中リハビリテーションの大きな進歩を表しています」と、論文の共著者であり、脳卒中リハビリテーションプロジェクトの主任研究者であり、カッツスクールの博士研究員でもあるサイ・プラビン・カディヤラ博士は述べています。 大学院コンピュータサイエンス・エンジニアリング学科「ポーズ識別精度を向上させることで、これらのモデルはリハビリテーション戦略の評価と計画を強化し、最終的には脳卒中患者のより効果的な回復に貢献することができます。」
この研究に参加した他の研究者には、バイオテクノロジー管理と起業家精神の修士課程を最近卒業したタリア・サウダイ氏と、CUNYの准教授アシュウィン・サティアナラヤナ博士がいた。
1721328516
#研究者らが脳卒中回復を支援するために体の姿勢を追跡するアルゴリズムを開発
2024-07-18 18:16:48