論文の概要: Predicting MMSE Score from Finger-Tapping Measurement

• arxiv url: http://arxiv.org/abs/2004.08730v2
• Date: Tue, 16 Nov 2021 02:52:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 05:50:36.756059
• Title: Predicting MMSE Score from Finger-Tapping Measurement
• Title（参考訳）: 指先計測によるmmseスコアの予測
• Authors: Jian Ma
• Abstract要約: 本稿では,機械学習パイプラインを用いた指先計測からMMSEスコアを予測し,認知症診断手法を提案する。 パイプラインはまず、コプラエントロピーを用いた指触り属性を選択し、選択した属性からMMSEスコアを予測モデルで予測する。
• 参考スコア（独自算出の注目度）: 2.3980064191633232
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dementia is a leading cause of diseases for the elderly. Early diagnosis is very important for the elderly living with dementias. In this paper, we propose a method for dementia diagnosis by predicting MMSE score from finger-tapping measurement with machine learning pipeline. Based on measurement of finger tapping movement, the pipeline is first to select finger-tapping attributes with copula entropy and then to predict MMSE score from the selected attributes with predictive models. Experiments on real world data show that the predictive models such developed present good prediction performance. As a byproduct, the associations between certain finger-tapping attributes ('Number of taps', 'Average of intervals', and 'Frequency of taps' of both hands of bimanual in-phase task) and MMSE score are discovered with copula entropy, which may be interpreted as the biological relationship between cognitive ability and motor ability and therefore makes the predictive models explainable. The selected finger-tapping attributes can be considered as dementia biomarkers.
• Abstract（参考訳）: 認知症は高齢者の病気の主要な原因である。 認知症高齢者にとって早期診断は非常に重要である。 本稿では,機械学習パイプラインを用いた指先計測からMMSEスコアを予測し,認知症診断手法を提案する。 指タッピング動作の測定に基づいて,まずコプラエントロピーを用いた指タッピング属性を選択し,選択した属性からMMSEスコアを予測モデルで予測する。 実世界データを用いた実験では,このような予測モデルが良好な予測性能を示す。 副産物として、特定の指触り特性(「タップ数」,「間隔数」,「タップ数」)とMMSEスコアの関連がコプラエントロピーによって発見され、認知能力と運動能力の生物学的関係と解釈され、予測モデルの説明が可能である。 選択された指タップ属性は認知症バイオマーカーとみなすことができる。

関連論文リスト

• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Predicting dominant hand from spatiotemporal context varying physiological data [1.827510863075184]
  本研究は,市販スマートウォッチの手首配置予測のための両手実験における生理的・文脈的情報の利用性を評価することを目的とする。 その結果,実生活環境下での1つの被験者のデータを用いて,効果的な支配的手振り予測を行うことができた。
  論文  参考訳（メタデータ） (2022-12-08T05:14:48Z)
• Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
  アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。 本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
  論文  参考訳（メタデータ） (2022-10-29T09:18:41Z)
• Personalized Longitudinal Assessment of Multiple Sclerosis Using Smartphones [9.186241234772702]
  本研究は, 欠損値を含むセンサデータを用いて, 個々の疾患軌跡を地図化するための新しい縦長モデルを構築した。 複数のトレーニングデータセットから学んだパラメータは、シンプルで統一された予測モデルを形成するためにアンサンブルされる。 その結果,提案モデルがパーソナライズされた縦断的MSアセスメントを達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-20T12:56:29Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG Signals [62.997667081978825]
  我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。 我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。 標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
  論文  参考訳（メタデータ） (2021-12-08T13:07:21Z)
• 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)
• From Connectomic to Task-evoked Fingerprints: Individualized Prediction of Task Contrasts from Resting-state Functional Connectivity [17.020869686284165]
  Resting-state functional MRI (rsfMRI) は、個人の認知指紋として機能する機能的コネクトームを産生する。 静止状態の指紋から個々のタスクのコントラストを予測するために,面ベース畳み込みニューラルネットワーク(BrainSurfCNN)モデルを提案する。
  論文  参考訳（メタデータ） (2020-08-07T02:44:16Z)
• Associations between finger tapping, gait and fall risk with application to fall risk assessment [2.3980064191633232]
  我々は,指タッピングテストとTUG(Timed Up and Go)テストから収集したデータをもとに,機械学習手法を用いて,スマート認知と転倒リスクの評価を行った。 我々は,指タッピングデータによる認知と指の動きの関連と,TUGデータによる転倒リスクと歩行特性との関連を見出した。 TUGスコアの予測モデルの入力として指タッピングと歩行の特性を用いることで,MAEの予測性能を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2020-06-30T10:17:41Z)
• Comparing Natural Language Processing Techniques for Alzheimer's Dementia Prediction in Spontaneous Speech [1.2805268849262246]
  アルツハイマー認知症(英語: Alzheimer's Dementia、AD)は、認知機能に影響を与える不治の、不安定で進行性の神経変性疾患である。 自発音声タスクによるアルツハイマー認知は、ADの分類と予測のために、音響的に前処理とバランスの取れたデータセットを提供する。
  論文  参考訳（メタデータ） (2020-06-12T17:51:16Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。