論文の概要: A Comparative Study of Machine Learning Models for Tabular Data Through
Challenge of Monitoring Parkinson's Disease Progression Using Voice
Recordings
- arxiv url: http://arxiv.org/abs/2005.14257v1
- Date: Wed, 27 May 2020 16:09:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-28 09:57:50.592135
- Title: A Comparative Study of Machine Learning Models for Tabular Data Through
Challenge of Monitoring Parkinson's Disease Progression Using Voice
Recordings
- Title(参考訳): 音声記録を用いたパーキンソン病進行のモニタリングによる語彙データに対する機械学習モデルの比較検討
- Authors: Mohammadreza Iman, Amy Giuntini, Hamid Reza Arabnia, and Khaled
Rasheed
- Abstract要約: 早期パーキンソン病42名の音声記録のデータセットを6ヶ月にわたって使用した。
音声記録と運動性PDRSスコアの相関関係を明らかにするために,複数の機械学習手法を適用した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: People with Parkinson's disease must be regularly monitored by their
physician to observe how the disease is progressing and potentially adjust
treatment plans to mitigate the symptoms. Monitoring the progression of the
disease through a voice recording captured by the patient at their own home can
make the process faster and less stressful. Using a dataset of voice recordings
of 42 people with early-stage Parkinson's disease over a time span of 6 months,
we applied multiple machine learning techniques to find a correlation between
the voice recording and the patient's motor UPDRS score. We approached this
problem using a multitude of both regression and classification techniques.
Much of this paper is dedicated to mapping the voice data to motor UPDRS scores
using regression techniques in order to obtain a more precise value for unknown
instances. Through this comparative study of variant machine learning methods,
we realized some old machine learning methods like trees outperform cutting
edge deep learning models on numerous tabular datasets.
- Abstract(参考訳): パーキンソン病の患者は、医師によって定期的に監視され、疾患の進行を観察し、症状を緩和するための治療計画を調整する必要がある。
患者が自宅で録音した音声記録を通して、疾患の進行をモニタリングすることで、プロセスの迅速化とストレスの軽減が可能になる。
早期パーキンソン病42名の音声記録データセットを6ヵ月間にわたって使用し,複数の機械学習手法を用いて音声記録と患者の運動性PDRSスコアの相関関係について検討した。
我々は回帰法と分類法の両方を用いてこの問題にアプローチした。
本論文の多くは、未知のインスタンスに対してより正確な値を得るために、回帰手法を用いて音声データをモータUPDRSスコアにマッピングすることを目的としている。
この変種機械学習手法の比較研究を通じて,多数の表型データセット上で,木が最先端のディープラーニングモデルを上回るような古い機械学習手法を実現することができた。
関連論文リスト
- Synthetic Data Generation Techniques for Developing AI-based Speech
Assessments for Parkinson's Disease (A Comparative Study) [0.0]
パーキンソン病(PD)における言語・言語の変化
医師はAI(AI)の進歩のおかげで、AIベースの音声アセスメントを利用してPDを見つけることができる
論文 参考訳(メタデータ) (2023-12-04T03:12:09Z) - Deep Learning for Time Series Classification of Parkinson's Disease Eye
Tracking Data [0.0]
我々は、現在最先端のディープラーニングアルゴリズムを用いて、ササード実験による視線追跡データを用いて、パーキンソン病の分類を行う。
モデルが分類課題を学習し、未知の対象に一般化できることが判明した。
論文 参考訳(メタデータ) (2023-11-28T00:03:18Z) - 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) - Parkinson's disease diagnostics using AI and natural language knowledge
transfer [0.0]
PDと診断された症例における生音声の分類のための深層学習手法を提案する。
対象は, PD患者38名, 健常者10名で, 50歳以上であった。
論文 参考訳(メタデータ) (2022-04-26T19:39:29Z) - 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) - Detecting Parkinson's Disease From an Online Speech-task [4.968576908394359]
本稿では,世界中のどこでも短時間の音声タスクを記録できるWebベースのフレームワークを構想し,パーキンソン病(PD)のスクリーニングのために記録データを解析する。
対象者は726名(女性262名,女性38%,非女性464名,女性65%,平均年齢61名)であった。
音声データから標準音響特徴(MFCC)、ジッタおよびシマー変種(シマー変種)、および深層学習に基づく特徴を抽出した。
我々のモデルは、制御された実験室で収集されたデータと「野生」でも同様に良好に機能した。
論文 参考訳(メタデータ) (2020-09-02T21:16:24Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳(メタデータ) (2020-09-02T02:50:30Z) - 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) - 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) - Self-Training with Improved Regularization for Sample-Efficient Chest
X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。
その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文 参考訳(メタデータ) (2020-05-03T02:36:00Z)
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。