論文の概要: Analysis and Evaluation of Handwriting in Patients with Parkinson's
Disease Using kinematic, Geometrical, and Non-linear Features
- arxiv url: http://arxiv.org/abs/2002.05411v1
- Date: Thu, 13 Feb 2020 09:54:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 13:07:00.077958
- Title: Analysis and Evaluation of Handwriting in Patients with Parkinson's
Disease Using kinematic, Geometrical, and Non-linear Features
- Title（参考訳）: 運動学的・幾何学的・非線形特徴を用いたパーキンソン病手書き解析と評価
- Authors: C. D. Rios-Urrego, J. C. V\'asquez-Correa, J. F. Vargas-Bonilla, E.
N\"oth, F. Lopera, J. R. Orozco-Arroyave
- Abstract要約: 手書き分析は、診断を支援し、パーキンソン病の進行をモニタリングするのに役立ちます。
本稿では,パーキンソン病にともなう手書き障害をモデル化するための特徴群の重要性を評価することを目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background and objectives: Parkinson's disease is a neurological disorder
that affects the motor system producing lack of coordination, resting tremor,
and rigidity. Impairments in handwriting are among the main symptoms of the
disease. Handwriting analysis can help in supporting the diagnosis and in
monitoring the progress of the disease. This paper aims to evaluate the
importance of different groups of features to model handwriting deficits that
appear due to Parkinson's disease; and how those features are able to
discriminate between Parkinson's disease patients and healthy subjects.
Methods: Features based on kinematic, geometrical and non-linear dynamics
analyses were evaluated to classify Parkinson's disease and healthy subjects.
Classifiers based on K-nearest neighbors, support vector machines, and random
forest were considered.
Results: Accuracies of up to $93.1\%$ were obtained in the classification of
patients and healthy control subjects. A relevance analysis of the features
indicated that those related to speed, acceleration, and pressure are the most
discriminant. The automatic classification of patients in different stages of
the disease shows $\kappa$ indexes between $0.36$ and $0.44$. Accuracies of up
to $83.3\%$ were obtained in a different dataset used only for validation
purposes.
Conclusions: The results confirmed the negative impact of aging in the
classification process when we considered different groups of healthy subjects.
In addition, the results reported with the separate validation set comprise a
step towards the development of automated tools to support the diagnosis
process in clinical practice.
- Abstract（参考訳）: 背景と目的:パーキンソン病(英: Parkinson disease)は、運動系の調整の欠如、震え、剛性に影響を及ぼす神経疾患である。
この病気の主な症状は手書きの障害である。
手書き解析は、診断を支援し、疾患の進行を監視するのに役立つ。
本研究の目的は,パーキンソン病にともなう手書き障害のモデル化における特徴群の重要性と,パーキンソン病患者と健常者との鑑別が可能であるかを評価することである。
方法: パーキンソン病と健常者を分類するために, 運動学的, 幾何学的および非線形力学解析に基づく特徴を評価した。
k-nearest近傍、サポートベクターマシン、ランダムフォレストに基づく分類が検討された。
結果: 患者と健常者の分類において, 最大93.1\%$の精度が得られた。
特徴の関連性分析により, 速度, 加速度, 圧力に関わるものが最も判別的であることが判明した。
疾患の異なる段階の患者の自動分類では、$0.36$ から$0.44$の値が$\kappa$である。
検証目的でのみ使用される別のデータセットで、最大8,3\%$のアキュラシーが得られた。
結論: 健常者の異なるグループを検討したところ, 加齢による分類過程の悪影響が確認された。
さらに, 個別検証セットで報告された結果は, 臨床における診断プロセスを支援する自動ツールの開発に向けた一歩である。
関連論文リスト
- Evaluation of handwriting kinematics and pressure for differential diagnosis of Parkinson's disease [0.3806074545662052]
PaHaW Parkinson病手書きデータベースには、パーキンソン病(PD)患者の手書きサンプルと健康管理が含まれている。
PDの鑑別診断には手書きのキネマティックな特徴と圧力的特徴が有用である。
論文 参考訳（メタデータ） (2024-11-05T12:27:24Z) - Deep learning for objective estimation of Parkinsonian tremor severity [0.0]
パーキンソン病の術後の震動を解析するためのピクセルベース深層学習モデルを提案する。
2大陸にまたがる5つの運動障害センターから2,742件の評価を受けた。
症状の左右非対称性を検出し、震度の違いを区別した。
論文 参考訳（メタデータ） (2024-09-03T16:00:34Z) - Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。
パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。
進行の段階を特定するために設計されたAIツールは存在しない。
論文 参考訳（メタデータ） (2023-12-28T10:30:54Z) - Analyzing the Effects of Handling Data Imbalance on Learned Features
from Medical Images by Looking Into the Models [50.537859423741644]
不均衡なデータセットでモデルをトレーニングすることは、学習問題にユニークな課題をもたらす可能性がある。
ニューラルネットワークの内部ユニットを深く調べて、データの不均衡処理が学習した機能にどのように影響するかを観察します。
論文 参考訳（メタデータ） (2022-04-04T09:38:38Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - Sequence-based Dynamic Handwriting Analysis for Parkinson's Disease
Detection with One-dimensional Convolutions and BiGRUs [5.936804438746453]
パーキンソン病(PD)は、ブラジキネシアアキネシア、剛性、震えなどのいくつかの運動症状を特徴とする。
患者の運動制御、特に手書き動作の分析は、PDアセスメントを支援する強力なツールである。
本論文では,一方向畳み込みとBiGated Recurrent Units (GRUs)に基づく新しい分類モデルを提案する。
論文 参考訳（メタデータ） (2021-01-23T09:25:13Z) - Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文 参考訳（メタデータ） (2020-10-13T15:20:21Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳（メタデータ） (2020-07-07T21:04:55Z) - Topological Descriptors for Parkinson's Disease Classification and
Regression Analysis [3.2898781698366726]
我々は,パーキンソン病の分類と重症度評価のプロセスを自動化するために,TDA(Topological Data Analysis)と機械学習ツールを併用することを提案する。
本稿では,パーキンソン病の姿勢変化解析にTDAを取り入れた手法を提案する。
本稿では, パーキンソン病データセットを健康高齢者, 健常若年者, パーキンソン病患者に応用することを目的とした。
論文 参考訳（メタデータ） (2020-04-15T22:59:07Z) - Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete
Labels [66.57101219176275]
胸部X線画像上の疾患診断は,多ラベル分類の課題である。
本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。
本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
論文 参考訳（メタデータ） (2020-02-26T17:10:48Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。