論文の概要: An Explainable Machine Learning Model for Early Detection of Parkinson's Disease using LIME on DaTscan Imagery

• arxiv url: http://arxiv.org/abs/2008.00238v1
• Date: Sat, 1 Aug 2020 10:44:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 00:27:32.349189
• Title: An Explainable Machine Learning Model for Early Detection of Parkinson's Disease using LIME on DaTscan Imagery
• Title（参考訳）: DaTscan画像上のLIMEを用いたパーキンソン病早期検出のための説明可能な機械学習モデル
• Authors: Pavan Rajkumar Magesh, Richard Delwin Myloth, Rijo Jackson Tom
• Abstract要約: パーキンソン病(英: Parkinson's disease、PD)は、神経疾患である。 早期診断は患者の治療を改善することができ、SPECT DaTscanのようなドーパミン作動性イメージング技術によって行われる。 本研究では,任意のDaTscanをパーキンソン病の有無を正確に分類する機械学習モデルを提案する。
• 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: Parkinson's disease (PD) is a degenerative and progressive neurological condition. Early diagnosis can improve treatment for patients and is performed through dopaminergic imaging techniques like the SPECT DaTscan. In this study, we propose a machine learning model that accurately classifies any given DaTscan as having Parkinson's disease or not, in addition to providing a plausible reason for the prediction. This is kind of reasoning is done through the use of visual indicators generated using Local Interpretable Model-Agnostic Explainer (LIME) methods. DaTscans were drawn from the Parkinson's Progression Markers Initiative database and trained on a CNN (VGG16) using transfer learning, yielding an accuracy of 95.2%, a sensitivity of 97.5%, and a specificity of 90.9%. Keeping model interpretability of paramount importance, especially in the healthcare field, this study utilises LIME explanations to distinguish PD from non-PD, using visual superpixels on the DaTscans. It could be concluded that the proposed system, in union with its measured interpretability and accuracy may effectively aid medical workers in the early diagnosis of Parkinson's Disease.
• Abstract（参考訳）: パーキンソン病(英: Parkinson's disease、PD)は、神経疾患である。 早期診断は患者の治療を改善し、spect datscanのようなドーパミン作動性イメージング技術によって行われる。 本研究では,任意のdatscanがパーキンソン病であるか否かを正確に分類する機械学習モデルを提案する。 この種の推論は、Local Interpretable Model-Agnostic Explainer (LIME) メソッドを用いて生成された視覚的指標を用いて行われる。 DaTscansはParkinson's Progression Markers Initiativeのデータベースから抽出され、CNN(VGG16)でトランスファーラーニングを使用して訓練され、95.2%の精度、97.5%の感度、90.9%の特異性を得た。 本研究は、特に医療分野における最重要度のモデル解釈可能性を維持するために、DATscansの視覚的スーパーピクセルを用いて、PDとPDを区別するためにLIMEの説明を利用する。 提案システムは, パーキンソン病の早期診断において, 医療従事者に対して有効に有効である可能性が示唆された。

関連論文リスト

• 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)
• Parkinson's Disease Detection through Vocal Biomarkers and Advanced Machine Learning Algorithms [0.0]
  本研究は早期疾患予測の手段として, PD患者の声質変化の可能性について検討した。 XGBoost、LightGBM、Baging、AdaBoost、Support Vector Machineなど、さまざまな高度な機械学習アルゴリズムを活用する。 LightGBMは、100%の感度と94.43%の特異性を示し、他の機械学習アルゴリズムの精度とAUCスコアを上回った。
  論文  参考訳（メタデータ） (2023-11-09T15:21:10Z)
• Early Detection of Parkinson's Disease using Motor Symptoms and Machine Learning [0.0]
  本研究の目的は、運動や歩行関連パラメータなどの早期に発症する一般的な症状に焦点を当て、経済的かつ堅牢なウェアラブルデバイスの実現可能性に関する定量的分析に到達することである。 Parkinson's Progression Markers Initiative (PPMI)のサブセットであるPPMI Gaitデータセットが機能選択に使用されている。 その後、パーキンソン症候群の早期発見のために、91.9%の精度でリアルタイムデータをテストするために、特定された影響力のある特徴が使用されている。
  論文  参考訳（メタデータ） (2023-04-18T19:13:05Z)
• 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)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• 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)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• 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)
• Automated machine vision enabled detection of movement disorders from hand drawn spirals [0.0]
  本研究は、スキャンされたペンと紙の描画と畳み込みニューラルネットワーク(CNN)を用いて、パーキンソン病(PD)と本態性震動(ET)の分類を行う。 PDのコントロールによる識別精度は98.2%であった。 ETおよびコントロールからのPDの判別精度は92%であった。
  論文  参考訳（メタデータ） (2020-06-22T10:21:51Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)

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。