MR-STGN：利用注意力融合的多残差时空图网络用于患者动作评估
计算机视觉与模式识别
2025-02-26 v2
摘要
准确评估患者动作在医疗保健中起着至关重要的作用，因为它对疾病进展监测和治疗有效性有显著贡献。然而，传统的患者动作评估方法通常依赖人工观察和评分，这既主观又耗时。在本文中，我们提出了一种利用多残差时空图网络 (MR-STGN) 的患者动作评估自动化方法，该方法结合了角度和位置 3D 骨架信息。MR-STGN 专为捕捉患者动作的时空动态而设计。它通过整合来自多个残差层的信息来实现这一目标，每一层都在不同的抽象级别上提取特征。此外，我们将注意力融合机制集成到网络中，促进了对各种特征的自适应加权。这使得模型能够专注于患者动作中最相关的方面，从而提供关于需要关注的具体身体部位或动作的精确指导。我们进行了消融研究以分析所提出模型中各个组件的影响。我们在 UI-PRMD 数据集上评估了我们的模型，结果表明其在准确预测实时患者动作评分方面优于最先进的方法。
引用
@article{arxiv.2312.13509,
title = {MR-STGN: Multi-Residual Spatio Temporal Graph Network Using Attention Fusion for Patient Action Assessment},
author = {Youssef Mourchid and Rim Slama},
journal= {arXiv preprint arXiv:2312.13509},
year = {2025}
}