論文の概要: Comparison of user models based on GMM-UBM and i-vectors for speech,
handwriting, and gait assessment of Parkinson's disease patients
- arxiv url: http://arxiv.org/abs/2002.05412v1
- Date: Thu, 13 Feb 2020 10:01:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 13:06:39.504299
- Title: Comparison of user models based on GMM-UBM and i-vectors for speech,
handwriting, and gait assessment of Parkinson's disease patients
- Title（参考訳）: パーキンソン病患者の音声・手書き・歩行評価におけるGMM-UBMとi-vectorを用いたユーザモデルの比較
- Authors: J. C. Vasquez-Correa, T. Bocklet, J. R. Orozco-Arroyave, E. N\"oth
- Abstract要約: 本研究は、パーキンソン病患者の神経学的状態を評価するために、GMM-UBMおよびi-vectorの使用を紹介する。
その結果, 患者の神経学的状態を評価する上で, 信号の種類によって異なる特徴セットの重要性が示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Parkinson's disease is a neurodegenerative disorder characterized by the
presence of different motor impairments. Information from speech, handwriting,
and gait signals have been considered to evaluate the neurological state of the
patients. On the other hand, user models based on Gaussian mixture models -
universal background models (GMM-UBM) and i-vectors are considered the
state-of-the-art in biometric applications like speaker verification because
they are able to model specific speaker traits. This study introduces the use
of GMM-UBM and i-vectors to evaluate the neurological state of Parkinson's
patients using information from speech, handwriting, and gait. The results show
the importance of different feature sets from each type of signal in the
assessment of the neurological state of the patients.
- Abstract（参考訳）: パーキンソン病は、異なる運動障害の存在を特徴とする神経変性疾患である。
音声・手書き・歩行信号からの情報は患者の神経学的状態を評価するために検討されてきた。
一方,gaussian mixed modeluniversal background model (gmm-ubm) とi-vectorに基づくユーザモデルは,特定の話者特性をモデル化できるため,話者照合などの生体計測応用において最先端の手法であると考えられる。
本研究は,パーキンソン病患者の言語情報,手書き情報,歩行情報を用いて,GMM-UBMとiベクターを用いて神経学的状態を評価することを提案する。
以上の結果から,各信号の異なる特徴セットが,患者の神経状態の評価において重要であることが示唆された。
関連論文リスト
- GAMMA-PD: Graph-based Analysis of Multi-Modal Motor Impairment Assessments in Parkinson's Disease [9.69595196614787]
本稿では,多モード臨床データ解析のための新しいヘテロジニアスハイパーグラフ融合フレームワークであるGAMA-PDを提案する。
GAMMA-PDは、高次情報を保存することにより、画像と非画像データを"ハイパーネットワーク"(患者集団グラフ)に統合する。
パーキンソン病における運動障害症状の予測に有意な改善が認められた。
論文 参考訳（メタデータ） (2024-10-01T15:51:33Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - Mixture of Input-Output Hidden Markov Models for Heterogeneous Disease
Progression Modeling [11.768140291216769]
本稿では,多発性疾患の進行動態を検出する階層型時系列モデルを提案する。
本稿では,パーキンソン病に対する合成データセットと実世界縦断データセットを用いたモデルの有用性について述べる。
論文 参考訳（メタデータ） (2022-07-24T23:17:06Z) - fMRI Neurofeedback Learning Patterns are Predictive of Personal and
Clinical Traits [62.997667081978825]
機能的MRI(fMRI)による自律神経運動課題における学習経過の個人的シグネチャを得る。
署名は、第1セッションで同様のfMRI由来の脳の状態が与えられた後、第2セッションで扁桃体の活動を予測することに基づいている。
論文 参考訳（メタデータ） (2021-12-21T06:52:48Z) - Multi-modal fusion with gating using audio, lexical and disfluency
features for Alzheimer's Dementia recognition from spontaneous speech [11.34426502082293]
本論文は、自発音声(ADReSS)によるアルツハイマー認知症への挑戦である。
本研究の目的は、音声データからアルツハイマー病の重症度の自動予測を支援する方法を開発することである。
論文 参考訳（メタデータ） (2021-06-17T17:20:57Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - Multimodal Gait Recognition for Neurodegenerative Diseases [38.06704951209703]
3つの神経変性疾患の歩容差を学習するための新しいハイブリッドモデルを提案する。
新しい相関メモリニューラルネットワークアーキテクチャは、時間的特徴を抽出するために設計されている。
いくつかの最先端技術と比較して,提案手法はより正確な分類結果を示す。
論文 参考訳（メタデータ） (2021-01-07T10:17:11Z) - Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model [124.26611454540813]
マウスの社会的行動分析は神経変性疾患の治療効果を評価する貴重なツールである。
マウスの社会行動の豊かな記述を創出する可能性から、ネズミの観察にマルチビュービデオ記録を使用することは、ますます注目を集めている。
本稿では,ビュー固有のサブ構造とビュー共有サブ構造を協調的に学習する,新しい多視点潜在意識・動的識別モデルを提案する。
論文 参考訳（メタデータ） (2020-11-04T18:09:58Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳（メタデータ） (2020-05-08T02:29:24Z) - Analysis and Evaluation of Handwriting in Patients with Parkinson's
Disease Using kinematic, Geometrical, and Non-linear Features [0.0]
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。
論文 参考訳（メタデータ） (2020-02-13T09:54:41Z)
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。