Jun, 2024

深度学习增强的传感器融合，以提高婴儿动作分类

PDF
TL;DR通过传感器融合的方法，对婴儿的运动模式进行自动分类可能显著提高基于人工智能的神经功能的早期识别，最终促进神经发育状况的自动化检测。
ai solutionsprechtl general movement assessmentmachine learningsensor fusionautomated detection
发现论文，激发创造
  • 通过压力分布分析实现婴儿运动分类 —— 为研究和临床实施提供更多价值

    本文研究了使用压力传感器将数据编码为算法以用于感知婴儿的细微运动模式。结果证明了压力传感器方案的潜力和准确性，可以在儿科领域大幅提高运动数据的质量和效率。

    Jul, 2022

  • 佩戴式运动传感器自动监测婴儿姿态和运动

    利用可穿戴式技术和机器学习算法实现对婴儿活动的自动记录和分类，有助于早期发现发育不良的婴儿并为神经发育障碍的预防和治疗提供新的方法。

    Sep, 2019

  • 婴儿一般动作的弱监督在线检测

    本研究提出了一种名为 WO-GMA 的新方法，可以在弱监督在线设置中定位儿童普通动作，从而实现早期诊断儿童脑瘫的目的，该方法可以极大地缩短诊断时间。

    Aug, 2022

  • 使用可穿戴运动传感器评估自监督预训练对自动婴儿运动分类的影响

    该研究探讨了如何使用自监督的预训练方法来提高婴儿可穿戴设备的自动化分析的分类准确性，研究表明使用上下文相关的预训练数据可以大大提高分类器性能。

    May, 2023

  • 使用深度学习体系结构自动评估功能性运动筛查练习

    利用神经网络和 IMUs 原材料，作者设计了一种自动识别运动姿势的系统，即采用基于 CNN，LSTM 和 Dense 层的架构，利用构建出的数据集进行了训练。研究表明，该系统可以很好地识别出已知被试的运动姿势，但并不适用于未知被试者，并且不同的运动姿势识别性能存在显著差异。

    Oct, 2022

  • 利用可穿戴传感器的全天运动数据预测婴儿运动发展状态

    使用可穿戴传感器和机器学习算法来区分典型和风险婴儿的自主运动，以进一步建立早期自主运动与发育轨迹之间的联系。

    Jul, 2018

  • 使用自适应图卷积网络建模三维婴儿动力学

    基于数据驱动的评估方法，通过提取婴儿的运动模式和应用图卷积网络，达到对婴儿神经发育的实际年龄预测，并提高了传统基于手动设计特征的机器学习基准。

    Feb, 2024

  • 自闭症中用卷积神经网络检测典型的运动模式

    采用深度学习范式从多传感器加速度计信号中学习的特征和转移学习可以实现更精确的 SMM 检测器，从而为自闭症治疗的准确调整提供支持。

    Nov, 2015

  • 手势和视觉智能传感器的增量在线学习算法比较

    本文比较了四种最先进的算法在两个实际应用中的效果，其中之一是基于加速度计数据的手势识别，另一个是图像分类，结果证实了这些系统的可靠性和在微型存储器 MCUs 中部署的可行性。

    Sep, 2022

  • 评估双手运动技能中的认知 - 运动整合

    本研究引入深度神经网络 (DNNs) 来分析和融合认知决策和运动执行，测试结果在测定双手运动技能中取得了显著成绩，大大超过传统单模态评估的效果。

    Apr, 2024