論文の概要: Machine learning for the diagnosis of Parkinson's disease: A systematic
review
- arxiv url: http://arxiv.org/abs/2010.06101v1
- Date: Tue, 13 Oct 2020 01:14:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 22:54:07.656813
- Title: Machine learning for the diagnosis of Parkinson's disease: A systematic
review
- Title（参考訳）: パーキンソン病診断のための機械学習 : 体系的検討
- Authors: Jie Mei, Christian Desrosiers, Johannes Frasnelli
- Abstract要約: 我々は2020年2月14日まで,PubMed と IEEE Xplore データベースを用いて,系統的な文献レビューを行った。
関連情報として抽出され,本システムレビューで提示された計209件の研究結果を含む。
これらの研究は、臨床意思決定における機械学習手法と新しいバイオマーカーの適応の可能性を示す。
- 参考スコア（独自算出の注目度）: 15.463800489731373
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Diagnosis of Parkinson's disease (PD) is commonly based on medical
observations and assessment of clinical signs, including the characterization
of a variety of motor symptoms. However, traditional diagnostic approaches may
suffer from subjectivity as they rely on the evaluation of movements that are
sometimes subtle to human eyes and therefore difficult to classify, leading to
possible misclassification. In the meantime, early non-motor symptoms of PD may
be mild and can be caused by many other conditions. Therefore, these symptoms
are often overlooked, making diagnosis of PD at an early stage challenging. To
address these difficulties and to refine the diagnosis and assessment
procedures of PD, machine learning methods have been implemented for the
classification of PD and healthy controls or patients with similar clinical
presentations (e.g., movement disorders or other Parkinsonian syndromes). To
provide a comprehensive overview of data modalities and machine learning
methods that have been used in the diagnosis and differential diagnosis of PD,
in this study, we conducted a systematic literature review of studies published
until February 14, 2020, using the PubMed and IEEE Xplore databases. A total of
209 studies were included, extracted for relevant information and presented in
this systematic review, with an investigation of their aims, sources of data,
types of data, machine learning methods and associated outcomes. These studies
demonstrate a high potential for adaptation of machine learning methods and
novel biomarkers in clinical decision making, leading to increasingly
systematic, informed diagnosis of PD.
- Abstract（参考訳）: パーキンソン病(PD)の診断は、様々な運動症状の特徴づけを含む臨床症状の医学的観察と評価に基づいて行われる。
しかし、従来の診断アプローチは、人間の目には微妙で分類が難しい運動の評価に依存するため、主観性に苦しむ可能性があるため、誤分類につながる可能性がある。
一方、PDの初期の非運動性症状は軽度であり、他の多くの症状によって引き起こされる可能性がある。
したがって、これらの症状はしばしば軽視され、早期のPDの診断は困難である。
これらの困難に対処し、PDの診断と評価の手順を洗練するために、PDと健康管理の分類や同様の臨床的プレゼンテーション(運動障害やパーキンソン症候群など)の患者のために機械学習手法が実装されている。
pdの診断と鑑別診断に用いられてきたデータモダリティと機械学習の方法を総合的に概観するため,本研究は,pubmedとieee xploreデータベースを用いて,2020年2月14日までに発表された研究の体系的文献レビューを行った。
対象、データソース、データの種類、機械学習手法、関連する結果について調査し、関連情報を抽出し、この体系的なレビューで提示した合計209の研究結果を含む。
これらの研究は, 臨床意思決定における機械学習法と新しいバイオマーカーの適応の可能性が高く, pdの体系的, インフォームドな診断へと繋がる。
関連論文リスト
- Artificial intelligence-enabled detection and assessment of Parkinson's disease using multimodal data: A survey [2.06242362470764]
現在、パーキンソン病の診断、重症度の評価、進行の追跡に有効なバイオマーカーは存在しない。
現在、多くのAIアルゴリズムがPD診断と治療に使われており、多モードおよび異種疾患の症状データに基づいて様々な分類タスクを実行することができる。
PDの可能性を予測し、個人または複数の症状の重症度を評価し、早期発見を支援し、リハビリテーションと治療効果を評価することを含む、表現力のあるフィードバックを提供する。
論文 参考訳（メタデータ） (2025-02-15T07:26:52Z) - Accurate early detection of Parkinson's disease from SPECT imaging through Convolutional Neural Networks [0.0]
パーキンソン病(PD)の早期かつ正確な診断は臨床的に重要な課題である。
本研究では、SPECT画像の特徴を用いて機械学習モデルを構築し、早期PDおよびSWEDD被検体を正常から検出する。
論文 参考訳（メタデータ） (2024-12-06T16:14:02Z) - Early Recognition of Parkinson's Disease Through Acoustic Analysis and Machine Learning [0.0]
パーキンソン病(英: Parkinson's Disease、PD)は、音声を含む運動機能と非運動機能の両方に大きな影響を及ぼす進行性神経変性疾患である。
本稿では,音声データを用いたPD認識手法の総合的なレビューを行い,機械学習とデータ駆動アプローチの進歩を強調した。
ロジスティック回帰、SVM、ニューラルネットワークなど、さまざまな分類アルゴリズムが検討されている。
以上の結果から,特定の音響特性と高度な機械学習技術は,PDと健常者の間で効果的に区別できることが示唆された。
論文 参考訳（メタデータ） (2024-07-22T23:24:02Z) - A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。
モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
論文 参考訳（メタデータ） (2024-07-07T18:02:00Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Diagnosis of Parkinson's Disease Using EEG Signals and Machine Learning Techniques: A Comprehensive Study [1.2972104025246092]
本稿では,パーキンソン病のヒト脳波信号解析による診断方法を提案する。
本手法は,脳波信号解析技術と機械学習手法の総合的なレビューを取り入れたものである。
パーキンソン病診断に最適化された高度SVMモデルを開発した。
論文 参考訳（メタデータ） (2024-04-30T04:25:09Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳（メタデータ） (2024-02-16T05:16:20Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳（メタデータ） (2023-11-26T14:42:31Z) - Subgroup discovery of Parkinson's Disease by utilizing a multi-modal
smart device system [63.20765930558542]
われわれはスマートウォッチとスマートフォンを使って、PD患者、DD、HCを含む504人の参加者のマルチモーダルデータを収集した。
様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
論文 参考訳（メタデータ） (2022-05-12T08:59:57Z) - Machine learning based disease diagnosis: A comprehensive review [0.0]
このレビューでは、機械学習(ML)とディープラーニング(DL)が、多くの病気の早期発見にどのように利用されているかを説明します。
1216の出版物に関する文献学的研究は、最も多作な著者、国、組織、そして最も引用された記事を決定するために行われた。
このレビューでは、機械学習ベースの疾患診断(MLBDD)の最新動向とアプローチをまとめている。
論文 参考訳（メタデータ） (2021-12-31T16:25:23Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z)
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。