跳到正文
arXiv · AI· Quang-Anh N. D., Duc Pham Minh, Minh-Anh Nguyen, Hien Quang Kha, Manh Hung Ha, Minhhuy Le, Oscal Tzyh-Chiang Chen·· 10 天前AI 评分22

CC2-STG:基于凸凹分解与稀疏拓扑学习的骨骼临床评估框架

Unified Framework with Convex-Concave Decomposition and Sparse Topological Learning for Skeleton-Based Clinical Assessment

AI 导读

针对骨骼康复评估中固定拓扑无法建模代偿模式及缺乏几何理解的问题,CC2-STG 框架通过结合几何分解、稀疏特征学习与自适应拓扑实现了 SOTA 性能。 模型分解关节关系为互补的凸凹距离函数,利用稀疏正则化选择临床相关特征,并通过多尺度拓扑分析捕捉病理性运动中的非解剖学关节依赖。 在 KiMoRe 和 UIPRMD 数据集上的实验验证了该框架在临床病理性运动评估中的有效性。

来源:arXiv · AI · arxiv.org