論文の概要: Parkinson's Disease Diagnosis Using Deep Learning
- arxiv url: http://arxiv.org/abs/2101.05631v1
- Date: Sun, 3 Jan 2021 18:39:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 01:18:23.069181
- Title: Parkinson's Disease Diagnosis Using Deep Learning
- Title(参考訳): 深層学習を用いたパーキンソン病診断
- Authors: Mohamad Alissa
- Abstract要約: パーキンソン病(Parkinson's Disease、PD)は、慢性変性疾患であり、様々な運動症状や認知症状を引き起こす。
本研究の目的は,深層学習,再帰ニューラルネットワーク(rnn),畳み込みニューラルネットワーク(cnn)を用いたpd診断プロセスの自動化である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Parkinson's Disease (PD) is a chronic, degenerative disorder which leads to a
range of motor and cognitive symptoms. PD diagnosis is a challenging task since
its symptoms are very similar to other diseases such as normal ageing and
essential tremor. Much research has been applied to diagnosing this disease.
This project aims to automate the PD diagnosis process using deep learning,
Recursive Neural Networks (RNN) and Convolutional Neural Networks (CNN), to
differentiate between healthy and PD patients. Besides that, since different
datasets may capture different aspects of this disease, this project aims to
explore which PD test is more effective in the discrimination process by
analysing different imaging and movement datasets (notably cube and spiral
pentagon datasets). In addition, this project evaluates which dataset type,
imaging or time series, is more effective in diagnosing PD.
- Abstract(参考訳): パーキンソン病(英: Parkinson's Disease、PD)は、慢性の変性疾患であり、様々な運動および認知症状を引き起こす。
PD診断は、症状が正常な加齢や本態性振動などの他の疾患と非常によく似ているため、難しい課題である。
この病気の診断に多くの研究が応用されている。
本研究の目的は, 深層学習, 再帰ニューラルネットワーク (RNN) と畳み込みニューラルネットワーク (CNN) を用いたPD診断プロセスの自動化であり, 健常患者とPD患者を区別することである。
さらに、異なるデータセットがこの疾患のさまざまな側面を捉える可能性があるため、このプロジェクトは、異なる画像および運動データセット(特に立方体および渦巻型五角形データセット)を分析して、PDテストが識別プロセスにおいてより効果的であるかを探求することを目的としている。
さらに, PDの診断に有効なデータセットタイプ, 画像, 時系列の評価を行った。
関連論文リスト
- MedRAG: Enhancing Retrieval-augmented Generation with Knowledge Graph-Elicited Reasoning for Healthcare Copilot [47.77948063906033]
Retrieval-augmented Generation (RAG)は、プライバシーに敏感な電子健康記録を検索するのに適した手法である。
本稿では,医療領域に対する知識グラフ(KG)により強化されたRAGモデルであるMedRAGを提案する。
MedRAGはより具体的な診断の洞察を提供し、誤診率の低減に最先端のモデルを上回っている。
論文 参考訳(メタデータ) (2025-02-06T12:27:35Z) - Parkinson's Disease Diagnosis Through Deep Learning: A Novel LSTM-Based Approach for Freezing of Gait Detection [1.7581090221681177]
本稿では,パーキンソン病患者の歩行エピソードの凍結を自動的に検出するLSTMネットワークに基づく新しいディープラーニングアーキテクチャを提案する。
提案手法は, FOG エピソード検出における現在の最先端モデルを超え, 精度97.71%, 精度98%, 特異性96%を達成している。
論文 参考訳(メタデータ) (2024-12-09T17:58:24Z) - 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) - Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。
パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。
進行の段階を特定するために設計されたAIツールは存在しない。
論文 参考訳(メタデータ) (2023-12-28T10:30:54Z) - A Hybrid Deep Spatio-Temporal Attention-Based Model for Parkinson's
Disease Diagnosis Using Resting State EEG Signals [8.526741765074677]
本研究では,脳波信号を用いたパーキンソン病(PD)の深層学習モデルを提案する。
このモデルは、畳み込みニューラルネットワーク(CNN)、双方向ゲートリカレントユニット(Bi-GRU)、アテンションメカニズムからなるハイブリッドモデルを用いて設計されている。
その結果,提案モデルでは,トレーニングとホールドアウトデータセットの両方でPDを高精度に診断できることが示唆された。
論文 参考訳(メタデータ) (2023-08-14T20:06:19Z) - Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification
Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。
提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文 参考訳(メタデータ) (2022-11-12T23:28:54Z) - 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) - Deep Learning in Computer-Aided Diagnosis and Treatment of Tumors: A
Survey [42.16618852663992]
近年,腫瘍の診断・治療が深層学習の話題となっている。
本研究は, 腫瘍のコンピュータ診断・治療における深層学習の応用について述べる。
論文 参考訳(メタデータ) (2020-11-02T12:42:19Z) - Machine learning for the diagnosis of Parkinson's disease: A systematic
review [15.463800489731373]
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。
論文 参考訳(メタデータ) (2020-10-13T01:14:04Z) - 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) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳(メタデータ) (2020-01-08T15:47:08Z)
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。