論文の概要: Facial expressions can detect Parkinson's disease: preliminary evidence
from videos collected online
- arxiv url: http://arxiv.org/abs/2012.05373v1
- Date: Wed, 9 Dec 2020 23:53:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 01:48:02.039567
- Title: Facial expressions can detect Parkinson's disease: preliminary evidence
from videos collected online
- Title(参考訳): 顔の表情がパーキンソン病を検知する―オンラインビデオから予備的証拠
- Authors: Mohammad Rafayet Ali, Taylor Myers, Ellen Wagner, Harshil Ratnu, E.
Ray Dorsey, Ehsan Hoque
- Abstract要約: パーキンソン病(PD)の症状の1つは、低酸素症または表情低下である。
604人のビデオから顔のアクションユニット(AU)を分析しました。
PD患者は、非PD患者よりもAU6(チークライザー)、AU12(リップコーナープーラー)、AU4(ブラウロー)のばらつきが少ない。
- 参考スコア(独自算出の注目度): 0.6004833598578182
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One of the symptoms of Parkinson's disease (PD) is hypomimia or reduced
facial expressions. In this paper, we present a digital biomarker for PD that
utilizes the study of micro-expressions. We analyzed the facial action units
(AU) from 1812 videos of 604 individuals (61 with PD and 543 without PD, mean
age 63.9 yo, sd 7.8 ) collected online using a web-based tool
(www.parktest.net). In these videos, participants were asked to make three
facial expressions (a smiling, disgusted, and surprised face) followed by a
neutral face. Using techniques from computer vision and machine learning, we
objectively measured the variance of the facial muscle movements and used it to
distinguish between individuals with and without PD. The prediction accuracy
using the facial micro-expressions was comparable to those methodologies that
utilize motor symptoms. Logistic regression analysis revealed that participants
with PD had less variance in AU6 (cheek raiser), AU12 (lip corner puller), and
AU4 (brow lowerer) than non-PD individuals. An automated classifier using
Support Vector Machine was trained on the variances and achieved 95.6%
accuracy. Using facial expressions as a biomarker for PD could be potentially
transformative for patients in need of physical separation (e.g., due to COVID)
or are immobile.
- Abstract(参考訳): パーキンソン病(PD)の症状の1つは低酸素症または表情低下である。
本稿では,マイクロ表現の研究を活かしたpd用デジタルバイオマーカーを提案する。
ウェブベースのツール(www.parktest.net)を用いて,604人(PDは61人,PDは533人,PDは63.9人,sd 7.8人)の顔行動単位(AU)をオンラインで収集した。
これらのビデオでは、参加者は3つの表情(笑顔、嫌悪感、驚きの顔)と中立的な顔を作るように求められた。
コンピュータビジョンと機械学習の手法を用いて,顔面筋運動の変動を客観的に測定し,PDの有無の識別に利用した。
顔面微小表現を用いた予測精度は運動症状を利用した手法と比較した。
ロジスティック回帰分析の結果,PD患者は非PD患者よりもAU6,AU12,AU4のばらつきが低かった。
サポートベクターマシンを用いた自動分類器を分散法で訓練し,95.6%の精度を得た。
PDのバイオマーカーとして顔表現を使用することは、物理的分離が必要な患者(例えば、新型コロナウイルスによる)や不活化患者にとって、潜在的にトランスフォーメーションをもたらす可能性がある。
関連論文リスト
- OpticalDR: A Deep Optical Imaging Model for Privacy-Protective
Depression Recognition [66.91236298878383]
抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。
我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。
正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
論文 参考訳(メタデータ) (2024-02-29T01:20:29Z) - 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) - Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - Unmasking Parkinson's Disease with Smile: An AI-enabled Screening
Framework [3.673889641081601]
PD患者256名を含む1,059名から,3,871本のビデオを収集した。
顔表情の低下を特徴とするPDの著明な症状である視力低下に関連する特徴を抽出した。
これらの特徴に基づいてトレーニングされたAIモデルのアンサンブルは89.7%の精度に達し、受信者動作特性(AUROC)は89.3%となった。
論文 参考訳(メタデータ) (2023-08-03T18:23:37Z) - CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial
Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。
CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文 参考訳(メタデータ) (2022-08-10T15:46:05Z) - 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) - What happens in Face during a facial expression? Using data mining
techniques to analyze facial expression motion vectors [9.962268111440105]
マシンが表情を認識する方法の1つは、表情提示中の顔の変化を分析することである。
C5.0, CRT, QUEST, CHAID, Deep Learning (DL), SVM, Discriminantといった最先端の分類アルゴリズムを用いて, 抽出した動きベクトルを分類した。
Extended Cohen-Kanade (CK+) の表情データセットの実験結果によると、最良の方法はDL、SVM、C5.0である。
論文 参考訳(メタデータ) (2021-09-12T08:17:44Z) - I Only Have Eyes for You: The Impact of Masks On Convolutional-Based
Facial Expression Recognition [78.07239208222599]
今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。
また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
論文 参考訳(メタデータ) (2021-04-16T20:03:30Z) - Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。
感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
論文 参考訳(メタデータ) (2021-03-01T08:31:08Z) - Exploring Facial Expressions and Affective Domains for Parkinson
Detection [17.244432348845034]
パーキンソン病(英: Parkinson's Disease、PD)は、顔面運動と非言語コミュニケーションに影響を与える神経疾患である。
本研究では,感情領域に基づく顔画像からの表情解析を用いて,PD検出の改善を提案する。
論文 参考訳(メタデータ) (2020-12-11T18:48:53Z) - An Explainable Machine Learning Model for Early Detection of Parkinson's
Disease using LIME on DaTscan Imagery [0.0]
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。
論文 参考訳(メタデータ) (2020-08-01T10:44:03Z)
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。