論文の概要: Sequence-based Dynamic Handwriting Analysis for Parkinson's Disease
Detection with One-dimensional Convolutions and BiGRUs
- arxiv url: http://arxiv.org/abs/2101.09461v1
- Date: Sat, 23 Jan 2021 09:25:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-19 10:45:21.872625
- Title: Sequence-based Dynamic Handwriting Analysis for Parkinson's Disease
Detection with One-dimensional Convolutions and BiGRUs
- Title（参考訳）: 1次元畳み込みとBiGRUを用いたパーキンソン病検出のためのシーケンスベース動的手書き解析
- Authors: Moises Diaz, Momina Moetesum, Imran Siddiqi, Gennaro Vessio
- Abstract要約: パーキンソン病(PD)は、ブラジキネシアアキネシア、剛性、震えなどのいくつかの運動症状を特徴とする。
患者の運動制御、特に手書き動作の分析は、PDアセスメントを支援する強力なツールである。
本論文では,一方向畳み込みとBiGated Recurrent Units (GRUs)に基づく新しい分類モデルを提案する。
- 参考スコア（独自算出の注目度）: 5.936804438746453
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Parkinson's disease (PD) is commonly characterized by several motor symptoms,
such as bradykinesia, akinesia, rigidity, and tremor. The analysis of patients'
fine motor control, particularly handwriting, is a powerful tool to support PD
assessment. Over the years, various dynamic attributes of handwriting, such as
pen pressure, stroke speed, in-air time, etc., which can be captured with the
help of online handwriting acquisition tools, have been evaluated for the
identification of PD. Motion events, and their associated spatio-temporal
properties captured in online handwriting, enable effective classification of
PD patients through the identification of unique sequential patterns. This
paper proposes a novel classification model based on one-dimensional
convolutions and Bidirectional Gated Recurrent Units (BiGRUs) to assess the
potential of sequential information of handwriting in identifying Parkinsonian
symptoms. One-dimensional convolutions are applied to raw sequences as well as
derived features; the resulting sequences are then fed to BiGRU layers to
achieve the final classification. The proposed method outperformed
state-of-the-art approaches on the PaHaW dataset and achieved competitive
results on the NewHandPD dataset.
- Abstract（参考訳）: パーキンソン病(PD)は、ブラジキネジア、無症候、剛性、震動などのいくつかの運動症状を特徴とする。
患者の運動制御、特に手書き動作の分析は、PDアセスメントを支援する強力なツールである。
長年にわたり,オンライン筆跡取得ツールの助けを借りて取得できるペン圧,ストローク速度,空気中時間などの様々な筆跡特性がpdの同定のために評価されてきた。
運動イベントとその関連する時空間特性はオンライン手書きで捉えられ、ユニークなシーケンシャルパターンの同定を通じてPD患者の効果的な分類を可能にする。
本稿では,パーキンソン病の診断における手書きの逐次情報の可能性を評価するために,一次元畳み込みと双方向ゲート再帰単位(bigrus)に基づく新しい分類モデルを提案する。
1次元の畳み込みは生の配列や派生した特徴に適用され、得られた配列は最終分類を達成するためにBiGRU層に供給される。
提案手法は,pahawデータセットの最先端手法を上回り,newhandpdデータセットの競合結果を得た。
関連論文リスト
- Evaluation of handwriting kinematics and pressure for differential diagnosis of Parkinson's disease [0.3806074545662052]
PaHaW Parkinson病手書きデータベースには、パーキンソン病(PD)患者の手書きサンプルと健康管理が含まれている。
PDの鑑別診断には手書きのキネマティックな特徴と圧力的特徴が有用である。
論文 参考訳（メタデータ） (2024-11-05T12:27:24Z) - Dynamically enhanced static handwriting representation for Parkinson's disease detection [8.26914435242875]
パーキンソン病(PD)の評価の文脈において、手書き文字は特別な役割を果たす。
本稿では,手書き文字の「動的に強化された」静的画像の識別能力について検討する。
論文 参考訳（メタデータ） (2024-05-22T08:28:42Z) - Exploration of Various Fractional Order Derivatives in Parkinson's
Disease Dysgraphia Analysis [0.0]
パーキンソン病(英: Parkinson's disease、PD)は、65歳以上の人の有病率は2.0%と推定される一般的な神経変性疾患である。
近年の研究では、分数計算理論がグラフモタ障害解析の改善に有効であることが確認されている。
論文 参考訳（メタデータ） (2023-01-20T12:18:05Z) - 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) - Contribution of Different Handwriting Modalities to Differential
Diagnosis of Parkinson's Disease [0.0]
本稿では,パーキンソン病の診断における筆跡の相違点について検討する。
また, パーキンソン病の診断に関係した情報も, 空気圧と空気中運動に有意な関連があることが示唆された。
論文 参考訳（メタデータ） (2022-03-18T10:51:37Z) - fMRI Neurofeedback Learning Patterns are Predictive of Personal and
Clinical Traits [62.997667081978825]
機能的MRI(fMRI)による自律神経運動課題における学習経過の個人的シグネチャを得る。
署名は、第1セッションで同様のfMRI由来の脳の状態が与えられた後、第2セッションで扁桃体の活動を予測することに基づいている。
論文 参考訳（メタデータ） (2021-12-21T06:52:48Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-09-24T00:42:36Z) - 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) - 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) - Analysis and Evaluation of Handwriting in Patients with Parkinson's
Disease Using kinematic, Geometrical, and Non-linear Features [0.0]
手書き分析は、診断を支援し、パーキンソン病の進行をモニタリングするのに役立ちます。
本稿では,パーキンソン病にともなう手書き障害をモデル化するための特徴群の重要性を評価することを目的とする。
論文 参考訳（メタデータ） (2020-02-13T09:54:41Z) - 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。