జీవశాస్త్రం మరియు వైద్యం

నైరూప్య

వర్గీకరణ నమూనాలను ఉపయోగించి హ్యూమన్ కైనమాటిక్స్ డేటాను లేబులింగ్ చేయడం

యువాన్ షి, నిహిర్ చద్దర్‌వాలా, ఉజ్వల్ రతన్

మానవ కైనమాటిక్స్ డేటాను ఖచ్చితంగా మరియు సమర్ధవంతంగా లేబుల్ చేయగల వర్గీకరణ నమూనాను అభివృద్ధి చేయడం ఈ అధ్యయనం యొక్క లక్ష్యం. మానవ శరీరంపై సెన్సార్‌లను ఉంచడం ద్వారా మరియు వారి వేగం, త్వరణం మరియు స్థానాన్ని మూడు కోణాలలో ట్రాక్ చేయడం ద్వారా వ్యక్తుల కదలికల గురించిన సమాచారాన్ని కైనమాటిక్స్ డేటా అందిస్తుంది. సెన్సార్ల నుండి సంగ్రహించబడిన 3D డేటా నుండి రూపాంతరం చెందిన సంఖ్యా డేటాను కలిగి ఉన్న C3D ఆకృతిలో ఈ డేటా పాయింట్లు అందుబాటులో ఉన్నాయి. గాయపడిన రోగులు లేదా శారీరక రుగ్మతలతో బాధపడుతున్న రోగుల కదలికలను విశ్లేషించడానికి డేటా పాయింట్లను ఉపయోగించవచ్చు. కదలికల యొక్క ఖచ్చితమైన వీక్షణను పొందడానికి, సెన్సార్ల ద్వారా రూపొందించబడిన డేటాసెట్‌లను సరిగ్గా లేబుల్ చేయాలి. డేటా క్యాప్చర్ ప్రాసెస్‌లో అసమానతల కారణంగా, మార్కర్‌లు డేటాను కోల్పోయినట్లు లేదా లేబుల్‌లు మిస్ అయిన సందర్భాలు ఉన్నాయి. తప్పిపోయిన లేబుల్‌లు మోషన్ విశ్లేషణలో అవరోధంగా ఉన్నాయి, ఎందుకంటే ఇది శబ్దాన్ని పరిచయం చేస్తుంది మరియు 3 డైమెన్షనల్ స్పేస్‌లలో సెన్సార్ పొజిషనింగ్ యొక్క అసంపూర్ణ డేటా పాయింట్‌లను ఉత్పత్తి చేస్తుంది. డేటాను మాన్యువల్‌గా లేబుల్ చేయడం విశ్లేషణ ప్రక్రియలో గణనీయమైన కృషిని పరిచయం చేస్తుంది. ఈ పేపర్‌లో, కైనమాటిక్స్ డేటాను దాని ముడి ఆకృతి నుండి ముందస్తుగా ప్రాసెస్ చేయడానికి మరియు వర్గీకరణ నమూనాలను ఉపయోగించి డేటా పాయింట్‌లను తప్పిపోయిన మార్కర్‌లతో లేబుల్ చేయడానికి మేము విధానాలను వివరిస్తాము.