論文の概要: Spatiotemporal Ground Reaction Force Analysis using Convolutional Neural Networks to Analyze Parkinsonian Gait

• arxiv url: http://arxiv.org/abs/2102.00628v1
• Date: Mon, 1 Feb 2021 04:30:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-05 08:04:00.181784
• Title: Spatiotemporal Ground Reaction Force Analysis using Convolutional Neural Networks to Analyze Parkinsonian Gait
• Title（参考訳）: 畳み込みニューラルネットワークを用いたパーキンソント歩行解析のための時空間反応力解析
• Authors: Musthaq Ahamed, P.D.S.H. Gunawardane, Nimali T. Medagedara
• Abstract要約: パーキンソン病(英: Parkinsons disease, PD)は、高齢者の生活の質を大幅に低下させる不治の病気である。 本稿では,PDに関連する歩行パターンの変化を識別する鍵パラメータとして,原地反応力(GRF)を同定した。 提案アルゴリズムは、PDの重症度を特定し、パーキンソン歩行と健康歩行を区別することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Parkinson's disease (PD) is a non-curable disease that commonly found among elders that greatly reduce their quality of life. PD primarily affects the gait pattern and slowly changes the walking gait from the normality to disability. The early diagnosing of PD is important for treatments and gait pattern analysis is used as a technique to diagnose PD. The present paper has identified the raw spatiotemporal ground reaction force (GRF) as a key parameter to identify the changes in human gait patterns associated with PD. The changes in GRF are identified using a convolutional neural network through pre-processing, conversion, recognition, and performance evaluation. The proposed algorithm is capable of identifying the severity of the PD and distinguishing the parkinsonian gait from the healthy gait. The technique has shown a 97% of accuracy in automatic decision-making process.
• Abstract（参考訳）: パーキンソン病(英: Parkinson's disease, PD)は、高齢者の生活の質を大幅に低下させる不治の病気である。 PDは主に歩行パターンに影響を与え、歩行を正常から障害へと徐々に変化させる。 PDの早期診断は治療に重要であり,歩行パターン解析はPDの診断手法として用いられる。 本稿では,PDに関連する歩行パターンの変化を識別するための指標として,生時空間反応力(GRF)を同定した。 GRFの変化は、前処理、変換、認識、性能評価を通じて畳み込みニューラルネットワークを用いて識別される。 提案アルゴリズムは,pdの重症度を同定し,パーキンソン病の歩行と健康な歩行を区別することができる。 この技術は自動意思決定プロセスにおいて97%の精度を示している。

関連論文リスト

• 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)
• DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
  より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。 The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
  論文  参考訳（メタデータ） (2023-12-02T22:57:25Z)
• PAD-Phys: Exploiting Physiology for Presentation Attack Detection in Face Biometrics [48.683457383784145]
  r: (i) 生理領域, (ii) ディープフェイクス領域, (iii) プレゼンテーション攻撃領域に基づく提示攻撃検出のための3つのアプローチ その結果、プレゼンテーションアタックドメインを生理的およびディープフェイクスドメインと比較すると、平均分類誤り率(ACER)が21.70%減少していることがわかった。 実験では、r-ベースモデルにおける伝達学習の効率を強調し、この生理的特徴のコピーを許さない機器での提示攻撃検出をうまく行う。
  論文  参考訳（メタデータ） (2023-10-03T15:24:15Z)
• Parkinsons Disease Detection via Resting-State Electroencephalography Using Signal Processing and Machine Learning Techniques [0.0]
  パーキンソン病(英: Parkinsons Disease、PD)は、ドーパミン作動性ニューロンの変性により運動障害を引き起こす神経変性疾患である。 脳波はPD患者の異常を示す。 1つの大きな課題は、治療薬や治療薬で病気を綿密に監視するために、PDのための一貫性のある、正確で、体系的なバイオマーカーが欠如していることである。
  論文  参考訳（メタデータ） (2023-03-29T06:03:05Z)
• Benchmarking Joint Face Spoofing and Forgery Detection with Visual and Physiological Cues [81.15465149555864]
  視覚的外観と生理的rcuesを用いた第1回関節スプーフィングおよび検出ベンチマークを作成した。 r周期性判別を強化するために,顔の強信号マップと連続ウェーブレットを入力として変換した2分岐生理ネットワークを設計した。
  論文  参考訳（メタデータ） (2022-08-10T15:41:48Z)
• Early Disease Stage Characterization in Parkinson's Disease from Resting-state fMRI Data Using a Long Short-term Memory Network [6.487961959149217]
  パーキンソン病(英: Parkinson's disease、PD)は、ホーン病とイェール病の5段階からなる、一般的で複雑な神経変性疾患である。 早期の第1期と第2期を分類し、脳機能の変化を検出することは困難である。 本稿では,PDの初期段階を特徴付けるために,LSTM(Long Short-term memory)ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-02-11T18:34:11Z)
• Linear Prediction Residual for Efficient Diagnosis of Parkinson's Disease from Gait [1.713291434132985]
  パーキンソン病(英: Parkinson's Disease、PD)は、慢性的に進行する神経疾患であり、硬直性、震動、姿勢不安定をもたらす。 PDを診断するための明確な医療検査はなく、診断は主に臨床演習である。 歩行からPDを診断する高速かつ高精度なLPGNetを提案する。
  論文  参考訳（メタデータ） (2021-07-09T20:23:54Z)
• 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)
• A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
  アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。 我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。 我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
  論文  参考訳（メタデータ） (2020-05-08T02:29:24Z)
• 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)
• 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。