論文の概要: Topological Descriptors for Parkinson's Disease Classification and
Regression Analysis
- arxiv url: http://arxiv.org/abs/2004.07384v2
- Date: Wed, 6 May 2020 04:09:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 03:14:04.660448
- Title: Topological Descriptors for Parkinson's Disease Classification and
Regression Analysis
- Title（参考訳）: パーキンソン病分類と回帰分析のトポロジ的記述
- Authors: Afra Nawar, Farhan Rahman, Narayanan Krishnamurthi, Anirudh Som and
Pavan Turaga
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.2898781698366726
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: At present, the vast majority of human subjects with neurological disease are
still diagnosed through in-person assessments and qualitative analysis of
patient data. In this paper, we propose to use Topological Data Analysis (TDA)
together with machine learning tools to automate the process of Parkinson's
disease classification and severity assessment. An automated, stable, and
accurate method to evaluate Parkinson's would be significant in streamlining
diagnoses of patients and providing families more time for corrective measures.
We propose a methodology which incorporates TDA into analyzing Parkinson's
disease postural shifts data through the representation of persistence images.
Studying the topology of a system has proven to be invariant to small changes
in data and has been shown to perform well in discrimination tasks. The
contributions of the paper are twofold. We propose a method to 1) classify
healthy patients from those afflicted by disease and 2) diagnose the severity
of disease. We explore the use of the proposed method in an application
involving a Parkinson's disease dataset comprised of healthy-elderly,
healthy-young and Parkinson's disease patients. Our code is available at
https://github.com/itsmeafra/Sublevel-Set-TDA.
- Abstract（参考訳）: 現在、神経疾患患者の大多数は、患者データの個人的評価と質的分析を通じて診断されている。
本稿では,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。
パーキンソン病を自動化し、安定し、正確に評価する方法は、患者の診断を合理化し、家族に矯正措置の時間を与える上で重要である。
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。
システムのトポロジーの研究は、データの小さな変化に不変であることが証明され、識別タスクでうまく機能することが示されている。
論文の貢献は2つある。
提案する手法を提案する。
1)健康な患者を病に苦しむ患者から分類し,
2)疾患の重症度を診断する。
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。
私たちのコードはhttps://github.com/itsmeafra/sublevel-set-tdaで利用可能です。
関連論文リスト
- Determining the severity of Parkinson's disease in patients using a
multi task neural network [0.7499722271664147]
パーキンソン病は進行すると容易に診断できるが、早期の診断は困難である。
本研究では,音声分析から容易に抽出できる変数の集合を解析する。
99.15%の成功率は、パーキンソン病またはパーキンソン病以外の重度のパーキンソン病に罹患しているかどうかを予測する問題で達成されている。
論文 参考訳（メタデータ） (2024-02-08T08:55:34Z) - 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) - PULSAR: Graph based Positive Unlabeled Learning with Multi Stream
Adaptive Convolutions for Parkinson's Disease Recognition [1.9482539692051932]
パーキンソン病(英: Parkinsons disease、PD)は、運動、発話、協調に影響を及ぼす神経変性疾患である。
本稿では,ウェブカメラで記録した指タップのビデオからPDをスクリーニングする新しい手法PULSARを提案する。
適応型グラフ畳み込みニューラルネットワークを用いて,指触りタスクに特有の時間グラフを動的に学習した。
論文 参考訳（メタデータ） (2023-12-10T05:56:20Z) - Deep Learning Predicts Prevalent and Incident Parkinson's Disease From
UK Biobank Fundus Imaging [13.132022790511005]
パーキンソン病は世界最速の神経疾患である。
現在の診断法は高価で、可用性は限られている。
我々は、パーキンソン病の診断検査として、しばしば脳への窓と呼ばれる網膜基底像を強調した。
論文 参考訳（メタデータ） (2023-02-13T22:30:16Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - 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) - 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) - Learning-based Computer-aided Prescription Model for Parkinson's
Disease: A Data-driven Perspective [61.70045118068213]
我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。
そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。
新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
論文 参考訳（メタデータ） (2020-07-31T14:34:35Z) - Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing
Parkinson's Disease Motor Severity [39.51722822896373]
パーキンソン病(英: Parkinson's disease、PD)は、運動機能に影響を及ぼす進行性神経疾患である。
PD障害の身体的重症度は、運動障害学会統一パーキンソン病評価尺度によって定量化することができる。
MDS-UPDRSの歩行スコアに基づいて、個人が撮影する非侵襲的な映像を観察し、3次元の身体骨格を抽出し、時間を通して追跡し、運動を分類するコンピュータビジョンベースモデルを提案する。
論文 参考訳（メタデータ） (2020-07-17T11:49:30Z) - 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) - 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。