論文の概要: Towards Automated and Marker-less Parkinson Disease Assessment:
Predicting UPDRS Scores using Sit-stand videos
- arxiv url: http://arxiv.org/abs/2104.04650v1
- Date: Sat, 10 Apr 2021 00:05:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 14:39:54.627895
- Title: Towards Automated and Marker-less Parkinson Disease Assessment:
Predicting UPDRS Scores using Sit-stand videos
- Title（参考訳）: 自動・マーカーレスパーキンソン病評価に向けて:シットスタンドビデオを用いたUPDRSスコアの予測
- Authors: Deval Mehta, Umar Asif, Tian Hao, Erhan Bilal, Stefan Von Cavallar,
Stefan Harrer, Jeffrey Rogers
- Abstract要約: 本論文では,統一パーキンソン病評価尺度(UPDRS)を評価するための深層学習可能なビデオベース解析フレームワークを提案する。
パーキンソン病(pd)患者32名を対象に, 枠組みの性能と訓練を受けた臨床医の成績を比較した。
- 参考スコア（独自算出の注目度）: 7.930928979381887
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel deep learning enabled, video based analysis
framework for assessing the Unified Parkinsons Disease Rating Scale (UPDRS)
that can be used in the clinic or at home. We report results from comparing the
performance of the framework to that of trained clinicians on a population of
32 Parkinsons disease (PD) patients. In-person clinical assessments by trained
neurologists are used as the ground truth for training our framework and for
comparing the performance. We find that the standard sit-to-stand activity can
be used to evaluate the UPDRS sub-scores of bradykinesia (BRADY) and posture
instability and gait disorders (PIGD). For BRADY we find F1-scores of 0.75
using our framework compared to 0.50 for the video based rater clinicians,
while for PIGD we find 0.78 for the framework and 0.45 for the video based
rater clinicians. We believe our proposed framework has potential to provide
clinically acceptable end points of PD in greater granularity without imposing
burdens on patients and clinicians, which empowers a variety of use cases such
as passive tracking of PD progression in spaces such as nursing homes, in-home
self-assessment, and enhanced tele-medicine.
- Abstract（参考訳）: 本稿では,クリニックや自宅で使用できるUPDRS(Unified Parkinsons Disease Rating Scale)を評価するための,新たな深層学習型ビデオベース分析フレームワークを提案する。
パーキンソン病(pd)患者32名を対象に, 枠組みの性能と訓練を受けた臨床医の成績を比較した。
訓練された神経学者による対人臨床評価は、我々の枠組みを訓練し、パフォーマンスを比較するための基礎的真実として用いられる。
ブラジキネジア(brady)と姿勢不安定および歩行障害(pigd)のupdrsサブスコアを評価するのに標準のsit-to-stand活動が利用できることがわかった。
bradyの場合、このフレームワークを使ってf1-scoresは0.75、ビデオベースのrater cliniciansは0.50、piddでは0.78、ビデオベースのrater cliniciansは0.45である。
提案手法は,介護施設等の空間におけるPD進行の受動的追跡,在宅自己評価,遠隔医療の強化など,患者や臨床医に負担をかけることなく,より粒度の大きいPD終端点を臨床に許容できる可能性があると考えている。
関連論文リスト
- Deep learning for objective estimation of Parkinsonian tremor severity [0.0]
パーキンソン病の術後の震動を解析するためのピクセルベース深層学習モデルを提案する。
2大陸にまたがる5つの運動障害センターから2,742件の評価を受けた。
症状の左右非対称性を検出し、震度の違いを区別した。
論文 参考訳（メタデータ） (2024-09-03T16:00:34Z) - 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) - A Federated Learning Framework for Stenosis Detection [70.27581181445329]
本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。
アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。
データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
論文 参考訳（メタデータ） (2023-10-30T11:13:40Z) - TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic
Tree-Based Memory Network [54.332862955411656]
臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。
近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。
本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
論文 参考訳（メタデータ） (2023-07-19T12:35:09Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - Using AI to Measure Parkinson's Disease Severity at Home [2.656113227046603]
パーキンソン病(PD)患者の運動能力を評価する人工知能システムを提案する。
運動障害学会統一パーキンソン病評価尺度(MDS-UPDRS)を施行した3人の神経学者による世界250人の参加者のデータを評価した。
我々の機械学習モデルは,MDS-UPDRS認定レーダよりも優れており,平均絶対誤差は0.59であり,レーダのMAEは0.79であった。
論文 参考訳（メタデータ） (2023-03-30T17:40:14Z) - Pose-based Tremor Classification for Parkinson's Disease Diagnosis from
Video [13.6403722052414]
パーキンソン病(英: Parkinson's disease、PD)は、様々な運動障害症状を引き起こす進行性神経変性疾患である。
パーキンソンの震動はPDの強い一般化性を示す最も主要な症状の1つである。
本稿では,SPAPNetを提案する。SPAPNetは,PD警告サインとして,低コストのPT分類結果を提供するための入力として,カメラに面する人間の動作の,コンシューマグレードの非侵襲的なビデオ記録のみを必要とする。
論文 参考訳（メタデータ） (2022-07-14T11:32:42Z) - Multimodal Indoor Localisation for Measuring Mobility in Parkinson's
Disease using Transformers [2.683727984711853]
パーキンソン病の10人から収集したデータと、さまざまなセンサーを備えたスマートホームで5日間生活した10人のコントロールを使っています。
屋内でより効果的にローカライズするために、2つのデータモダリティを利用したトランスフォーマーベースのアプローチを提案する。
提案手法は,a) 時間的相関を異なる尺度とレベルで学習し,b) 様々なゲーティング機構を用いて,モダリティ内で関連する特徴を選定し,不必要なモダリティを抑制する。
論文 参考訳（メタデータ） (2022-05-12T15:05:57Z) - Systematic Clinical Evaluation of A Deep Learning Method for Medical
Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。
本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文 参考訳（メタデータ） (2021-08-21T16:15:40Z) - iPhantom: a framework for automated creation of individualized
computational phantoms and its application to CT organ dosimetry [58.943644554192936]
本研究の目的は、患者固有の幻覚やデジタル双眼鏡の自動作成のための新しいフレームワーク、iPhantomを開発し、検証することである。
この枠組みは、個々の患者のCT画像における放射線感受性臓器への放射線線量を評価するために応用される。
iPhantomは、アンカーオルガンのDice similarity Coefficients (DSC) >0.6の精度で全ての臓器の位置を正確に予測し、他のオルガンのDSCは0.3-0.9である。
論文 参考訳（メタデータ） (2020-08-20T01:50:49Z) - 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)
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。