Jun, 2024

一个医学腰背疼痛身体康复数据集的人体运动分析

PDF
TL;DR通过医疗数据集，我们提出了医学患者进行腰背疼痛康复锻炼的四个挑战，并在数据集上进行了数据收集、处理和小规模基准评估，同时评估了两种基准运动识别算法：高斯混合模型 (GMM) 和长短时记忆 (LSTM)。
automatic monitoringexercisesphysical rehabilitationintelligent tutoring systemmovement recognition algorithms
发现论文，激发创造
  • 多模式视频到身体关节增强，用于康复运动质量评估

    研究介绍了一种使用视频数据和神经网络进行运动康复质量评估的新方法。该方法使用跨模态数据增强技术对数据进行预处理培训，相比基准方法，其表现为更准确的评估结果。

    Jun, 2023

  • 一个稳健和可扩展的基于注意力引导的深度学习框架用于动作质量评估

    使用深度学习与骨骼数据增强技术，提高自动化运动质量评估的准确性来辅助物理康复训练。

    Apr, 2022

  • 远程健康辅导系统与微软 Kinect 人体运动数据分析的物理治疗

    本文介绍了如何在物理治疗领域利用 Microsoft Kinect 等低成本设备，通过计算机视觉技术、离群点数据处理算法、以及基于 Unscented Kalman Filter 算法的卡曼滤波器模型，提取精确可靠的人体运动参数。

    Dec, 2015

  • 基于三维姿势反馈的身体锻炼

    通过 Graph Convolutional Network 框架，从用户姿势序列中学习关节运动的关系，能够对个人的自我康复锻炼和体育锻炼中出现的错误进行准确的识别和纠正。

    Aug, 2022

  • 利用骨骼关节进行康复运动重复分段和计数

    本文提出了一种基于骨骼关节的新方法，用于分割和计数患者进行的康复运动，通过分析运动数据以提供反馈以及向临床医生报告进展情况，以实现准确的运动分析，并保护隐私，从而有助于有效提供虚拟康复计划。

    Apr, 2023

  • 基于文本的三维人体动作检索的跨数据库研究

    我们提供了一项关于基于文本的三维人体动作检索的研究结果，重点关注跨数据集的泛化问题。通过采用统一的 SMPL 人体格式，我们能够对一个数据集进行训练，对另一个进行测试，或者对多个数据集进行训练。研究结果表明，标准的文本 - 动作基准数据集（如 HumanML3D、KIT Motion-Language 和 BABEL）存在数据集偏差。我们展示了文本增强在一定程度上可以缩小领域差距，但仍存在差距。此外，我们首次提供了使用 BABEL 进行零样本动作识别的结果，而在训练过程中没有使用分类动作标签，开辟了未来研究的新方向。

    May, 2024

  • 步态运动：一种用于病态步态预测的多任务数据集

    利用可穿戴传感器捕捉患者的实时运动，为步幅 / 步长分割和步幅 / 步长长度预测等多个任务提供了大量的真实标签，从而增强研究人员对与神经系统障碍相关的步态紊乱的整体理解，并为医疗产品、法医技术和生物力学研究等领域提供了有益的数据资源。

    May, 2024

  • 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

  • FixMyPose：姿态矫正字幕与检索

    本文提出 a new captioning dataset named FixMyPose，为了避免 ML 偏见，维护了不同背景的不同人群的平衡，对于该数据集我们提出姿势校正字幕任务及其反向目标姿势检索任务，并引入针对该任务的新指标。我们的基线模型能够在现实图像上有良好表现，但在人类评估中仍有提高空间。

    Apr, 2021

  • AddBiomechanics 数据集：以规模捕捉人体运动的物理学

    通过 reconstructing human poses in 3D 并使用 AddBiomechanics Dataset，本研究提出了一种估计人体动力学的基准方法。

    May, 2024