XiaoMi-AI文件搜索系统
World File Search System舞蹈
与人工智能共舞 - 一个互动的舞蹈学习平台
表 1 显示了基于某些参数的不同姿势估计技术之间的比较。我们可以看到，OpenPose 算法获得的准确度最高，但由于其 CNN 模型较重，获得的 fps 相当低，而对于 Posenet 算法，我们获得了良好的 fps，因为它 x 没有 x 多阶段架构，x 还使用轻量级 x CNN 模型。BlazePose 是另一种很好的姿势估计算法，因为它在姿势估计期间获得了准确度和 fps 的良好平衡。我们决定在这三个中选择 Blazepose，因为 Openpose 没有给我们提供良好的 fps，而 Posenet 仅考虑 17 个身体关键点进行检测，而 Blazepose 有 33 个，并且在我们的应用中，我们需要一种可以为单人姿势估计提供良好结果的算法，Blazepose 主要关注这一点，它还给出规范化坐标作为输出，而在其他算法中，我们明确需要对它们进行规范化以进行进一步处理。
DAN 2701：舞蹈运动学课程描述
• Blandine Calais-Germain 著《运动解剖学》 • Theodore Dimon, Jr. 著《运动身体解剖学：骨骼、肌肉和关节基础课程》 • Theodore Dimon, Jr. 著《运动中的身体》 • David Gormon 著《可移动的身体》 • Andrea Olsen 与 Caryn McHose 合著《身体故事：体验解剖学指南》 • Karen Clippinger 著《舞蹈解剖学和运动机能学》（第 2 版） • Deane Juhan 著《工作的身体》 • Leslie Kaminoff 和 Amy Matthews 著《瑜伽解剖学》 DAN 2701：舞蹈运动机能学课程目录描述：通过运动机能学的视角介绍肌肉骨骼解剖学：“研究与人体运动有关的力学和解剖学的生理学分支”，主要是舞蹈运动。学分：3；先修课程：舞蹈专业 运动机能学，源自希腊语词根 kinēsis“运动、动作”或 kinein“移动”，将人体解剖学的科学研究付诸实践。舞蹈运动机能学旨在让舞者（或任何对运动充满热情的人）掌握有关身体及其系统的基本知识。通过具身学习模块，本课程将涵盖骨骼、骨骼标志、肌肉、肌肉动作和其他完整的解剖信息。课程将是体验式的，通过运动激发知识和问题。除了基于讲座的课程外，我们还将利用解剖模型、图纸和我们自己的身体进行动手学习，以加深对概念的理解。作为运动艺术家，我们的领域使用身体作为其表达的主要工具。本学期，学生将直接参与其他动作练习课程或编舞项目，并直接与这些课程建立联系和实际应用。本课程旨在培养对人体解剖学的自觉和知情理解，这将从本质上培养您作为表演者、创作者、教师和人的能力。关于同意 + 触摸的说明：作为舞者，我们的工作性质涉及与我们的身体建立亲密关系，有时还涉及我们周围舞者的身体。我们将通过简单的合作、身体锻炼和动手触摸练习来扩展我们对真实活体解剖学的理解。如果您在任何时候对任何事情感到不舒服，请与我交谈或给我发电子邮件，以便我们一起想出解决方案。触摸和接触将由每个人的舒适程度决定。我们将共同努力，尊重彼此的界限。
DJN/VOL2/18 舞蹈与儿童的认知...
对于大多数孩子来说，舞蹈体验通常始于童年时期。这是因为他们的身体会对刺激做出反应，尤其是当周围播放音乐时。他们自由地表达自己的情感，这反过来有助于发展他们的社交技能，以及身体发育。然而，学者们还没有给予舞蹈应有的关注，特别是在幼儿教育领域。这是因为尼日利亚课程开发者尚未理解舞蹈在提高儿童学习和认知发展方面的潜力。本文探讨了舞蹈在幼儿教育中的重要性和好处，并强调舞蹈作为尼日利亚学校课程一门学科的必要性。它从全景的角度介绍了舞蹈在儿童生活中的教育目的。因此，本研究的目的是引起课程开发者对舞蹈的关注，并确认舞蹈能够在尼日利亚儿童的认知发展中发挥作用。关键词：认知发展、舞蹈、教育、幼儿教育、课程。
当代舞蹈中的护理和福祉的实践
在2022年，健康文化发布了一份范围的报告，综合了数百项研究及其关于文化在个人和集体水平上改善福祉的作用的发现。该报告透露了2019年世界卫生组织的调查结果，该发现通过强调艺术可以如何产生适应性的倡议，并以个人需求对广泛的观众产生反应，从而证明了艺术如何解决疾病预防和改善心理和身体健康。该报告还强调了如何仅应将艺术视为现有医疗的附加方式，但是基于艺术的方法本身可以作为医疗保健的反应有效。他们还确定的一个重要方面是，通过关注通过文化活动提供的更多整体方法，注意力从特定疾病转移到了对健康的广泛理解。
学术课程评论（舞蹈和戏剧）最新版本
种族：入学人口的种族人口百分比类似于整个校园的破裂百分比。大多数参加剧院课程的入学学生被认为是拉丁裔，并且在2020年春季和2021个学期期间，超过70％的学生占了80％的招生。在2018年至2021年之间参加剧院课程的第二大种族群体被认为是黑人或非裔美国人，始终占戏剧课程总学生的20％。剩下的大约10％的剧院入学人数中，所有其他种族都以1％-3％（美洲印第安人，亚洲人，亚洲人，夏威夷本地人或太平洋岛民，两个或更多种族，两次或更多种族，未知/不响应的人和白人）组成，这些数字使这些数字与所有计划中的人群紧密相似，使其与众不同。
在交互式舞蹈音乐表演中对深层空间的体现探索
近年来，在音频生成的深度学习模型中已取得了重大进展，提供了有希望的工具用于Musical Creation。在这项工作中，我们研究了在互动舞蹈/音乐表演中使用深度音频生成模型的使用。我们采用了一种表演主导的研究设计方法，建立了研究者/音乐家与舞者之间的艺术研究合作。首先，我们描述了我们的运动互动系统 - 整合深度音频生成模型，并提出了三种用于体现深层空间的探索方法。然后，我们详细介绍建立以系统共同设计为中心的性能的创作过程。最后，我们报告了舞者访谈的反馈，并讨论结果和观点。代码实施在我们的GitHub 1上公开可用。
亨廷顿舞蹈症的阿育吠陀治疗（Tandava ...
摘要 亨廷顿舞蹈症是一种罕见的遗传性神经退行性疾病。它是一种遗传性疾病，表现为运动、认知和精神异常。该疾病是由 4 号染色体上胞嘧啶-腺嘌呤-鸟嘌呤 (CAG) 重复扩增的基因突变引起的。根据阿育吠陀，亨廷顿舞蹈症与 Sharangdhara Samhita 中提到的 Tandava Roga 有关。一名 50 岁的男性患者到 Kayachikitsa 门诊就诊，根据阳性家族史、分子遗传学分析和异常不自主运动的主诉，诊断为亨廷顿舞蹈症。阿育吠陀治疗方法经典地基于 Shodhana 和 Shamana。所使用的原则包括 Balya（强化）、Vatahara、Rasayana 和神经刺激作用。患者接受了 Shodhana 疗法，即用药物灌肠 (basti) 进行 strotoshodhana（身体通道排毒），同时还接受了 Shashti Shali Pind Swedan、Nasya、Shirodhara 和 Shirotalam 等其他疗法，共计三次。之后，患者每两个月接受一次 Panchakarma 疗法（三次）。除了 Shodhana 疗法外，还建议患者在六个月的治疗过程中使用一些 Shamana 药物，并配合 Pathya sevan 疗法。使用异常不自主运动量表 (AIMS) 进行评估，结果显示患者有显著改善，治疗六个月后分数从 33 分降至 11 分。阿育吠陀疗法可帮助改善亨廷顿舞蹈症患者的病情。可以对此类患者采用类似的治疗方法，以研究其对不同个案的疗效。
舞蹈运动疗法对癌症患者身体健康的影响
引言癌症是一种不受控制的细胞的不受控制的疾病，受自然选择的进化[1]。癌症是一组复杂的疾病，其特征是体内异常细胞的生长和传播。在正常情况下，细胞生长，分裂和死亡。然而，当由于基因突变而破裂，导致形成异常细胞或肿瘤时，就会出现癌症。并非所有肿瘤都是癌变的；良性肿瘤不会扩散，而恶性肿瘤会侵入周围的组织，并可以转移或扩散到身体的遥远部分。癌症几乎会影响身体的任何部分，不是一种疾病，而是相关疾病的集合，每种疾病都有不同的生物学行为和治疗反应。癌症的起源通常与多种因素有关，包括遗传易感性，环境暴露（如辐射或致癌物），选择生活方式（例如吸烟或饮食），有时甚至是感染。尽管曾经被认为是无法治愈的，但医学上的进步显着改善了癌症的检测，治疗和结果。现代疗法包括手术，放射疗法，化学疗法，免疫疗法以及旨在专门攻击癌细胞的靶向疗法。早期检测和个性化治疗策略在改善癌症患者的存活率和生活质量方面起着至关重要的作用。
数字舞蹈对大脑意象、认知和健康的功效：随机对照试验
背景：多领域干预对促进健康老龄化具有明显的好处，但维持长期收益的自我赋权策略仍然难以捉摸。目的：本研究评估了参与数字体感舞蹈游戏对大脑意象变化的影响，作为主要结果，以及其他身心健康指标作为与健康老龄化相关的次要结果。方法：2020 年 8 月 31 日至 2021 年 6 月 27 日期间，这项随机对照试验招募了 60 名年龄超过 55 岁且近期未参与数字舞蹈游戏的合格参与者。使用计算机生成的随机化序列将参与者按 1:1 分配到接受数字体感舞蹈游戏训练的干预组 (n=30) 或对照组 (n=30)，不进行分层。匿名代码向研究人员隐瞒了干预分配情况，分配干预的个人不参与研究数据的分析。干预包括每周两次 30 分钟的舞蹈游戏，持续 6 个月，对照组接受健康老龄化教育。主要结果是大脑意象的变化。所有变量均在基线和 6 个月的随访中测量，并使用意向治疗分析的 t 检验来估计干预效果。结果：与对照组相比，干预参与者在左侧壳核灰质体积 (GMV)（估计 0.016，95% CI 0.008 至 0.024；P <.001）、左侧苍白球 GMV（估计 0.02，95% CI 0.006 至 0.034；P =.004）和左侧苍白球低频波动的分数振幅（估计 0.262，95% CI 0.084 至 0.439；P =.004）的大脑意象方面有显著差异。此外，干预组小脑 VI GMV 的想象也有所不同（估计值为 0.011，95% CI 0.003 至 0.02；P =.01）。干预组蒙特利尔认知评估总分（估计值为 1.2，95% CI 0.27 至 −2.13；P <.01）、生活质量（估计值为 7.08，95% CI 2.35 至 11.82；P =.004）和工作日坐着的时间（估计值为 −1.96，95% CI −3.33 至 −0.60；P =.005）也有所改善。此外，舞蹈表演与认知表现（P =.003）、健康状况（P =.14）、适应力（P =.007）和士气低落（P <.001）显着相关。
基于多个视觉特征集成基于机器人舞蹈动作的自动美学评估
摘要：模仿人类行为是发展人工智力的有效方法之一。人类舞者站在镜子前，总是对自己的舞蹈动作进行自主美学评估，这是从镜子中观察到的。同时，在视觉美学认识人的大脑中，空间和形状是从动作中感知到的两个重要的视觉元素。受上述事实的启发，本文提出了一种基于多个视觉特征集成的机器人舞蹈动作的自动美学评估的新型机制。在机制中，将机器人舞蹈运动的视频首先转换为几种运动历史记录图像，然后将空间特征（波纹空间编码）和形状特征（Zernike Moment和基于曲率的傅立叶描述符）从优化的运动历史记录图像中提取。基于特征集成，使用三个不同的随机森林的均质集合分类器被部署以构建机器美学模型，旨在使机器具有人类的美学能力。通过模拟实验验证了所提出机制的可行性，实验结果表明，我们的整体分类器可以实现高度正确的美学评估比例为75％。我们机制的性能优于现有方法的性能。