論文の概要: Prediction of clinical tremor severity using Rank Consistent Ordinal Regression

• arxiv url: http://arxiv.org/abs/2105.01133v1
• Date: Mon, 3 May 2021 19:22:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-06 02:35:32.579007
• Title: Prediction of clinical tremor severity using Rank Consistent Ordinal Regression
• Title（参考訳）: ランク一致順序回帰を用いた臨床振動重症度予測
• Authors: Li Zhang, Vijay Yadav, Vidya Koesmahargyo, Anzar Abbas, Isaac Galatzer-Levy
• Abstract要約: 36名の本態性震動患者から276本の臨床ビデオを用いて、ランク一貫性のある経口回帰を伴うディープニューラルネットワーク(DNN)を訓練します。 モデル予測は臨床評価ともよく一致している。 その結果、トレーニングしたモデルが震えの深刻度を評価し追跡する手段として使用できることがわかった。
• 参考スコア（独自算出の注目度）: 6.229890236114427
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Tremor is a key diagnostic feature of Parkinson's Disease (PD), Essential Tremor (ET), and other central nervous system (CNS) disorders. Clinicians or trained raters assess tremor severity with TETRAS scores by observing patients. Lacking quantitative measures, inter- or intra- observer variabilities are almost inevitable as the distinction between adjacent tremor scores is subtle. Moreover, clinician assessments also require patient visits, which limits the frequency of disease progress evaluation. Therefore it is beneficial to develop an automated assessment that can be performed remotely and repeatably at patients' convenience for continuous monitoring. In this work, we proposed to train a deep neural network (DNN) with rank-consistent ordinal regression using 276 clinical videos from 36 essential tremor patients. The videos are coupled with clinician assessed TETRAS scores, which are used as ground truth labels to train the DNN. To tackle the challenge of limited training data, optical flows are used to eliminate irrelevant background and statistic objects from RGB frames. In addition to optical flows, transfer learning is also applied to leverage pre-trained network weights from a related task of tremor frequency estimate. The approach was evaluated by splitting the clinical videos into training (67%) and testing sets (0.33%). The mean absolute error on TETRAS score of the testing results is 0.45, indicating that most of the errors were from the mismatch of adjacent labels, which is expected and acceptable. The model predications also agree well with clinical ratings. This model is further applied to smart phone videos collected from a PD patient who has an implanted device to turn "On" or "Off" tremor. The model outputs were consistent with the patient tremor states. The results demonstrate that our trained model can be used as a means to assess and track tremor severity.
• Abstract（参考訳）: 震動はパーキンソン病(PD)、本態性震動(ET)、および他の中枢神経系(CNS)障害の重要な診断特徴である。 臨床医や訓練されたトレーナーは、患者を観察してTETRASスコアで震度を評価する。 隣り合う震動のスコアの区別が微妙であるため、測定値の欠如や観測者間の変動はほぼ避けられない。 さらに、臨床評価では、患者の訪問も必要であり、疾患進行の頻度が制限される。 したがって, 遠隔・反復的に患者の利便性を向上し, 継続的なモニタリングを行う自動評価を開発することが有用である。 そこで本研究では,36名の本態性振動患者の276名の臨床ビデオを用いて,ランク一貫性のある順序回帰を伴うディープニューラルネットワーク(DNN)を訓練することを提案した。 ビデオは、臨床医が評価したTETRASスコアと結合され、DNNを訓練するために真実のラベルとして使用される。 限られたトレーニングデータに対処するために、RGBフレームから無関係な背景や統計オブジェクトを除去するために光学フローを用いる。 光流に加えて、振動周波数推定の関連するタスクから事前学習したネットワーク重みを利用するために、転送学習を適用する。 このアプローチは、臨床ビデオのトレーニング(67%)とテストセット(0.33%)に分割して評価した。 テスト結果のtetrasスコアの平均絶対誤差は 0.45 であり、誤差のほとんどが隣接するラベルの不一致によるもので、予測され許容される。 モデル予測は臨床評価ともよく一致している。 このモデルは、"On"または"Off"の震動をオンにするデバイスを移植したPD患者から収集したスマートフォンビデオにも適用される。 モデル出力は患者の震動状態と一致していた。 その結果,我々のモデルが震えの深刻度を評価・追跡する手段として利用できることがわかった。

関連論文リスト

• U-net based prediction of cerebrospinal fluid distribution and ventricular reflux grading [0.0]
  本稿では,24時間後にピーク時の画素単位の信号増加を予測するために,U-netを用いた教師付き学習モデルを提案する。 トレーニングのための最初の2時間後からのイメージングデータを使用することで、トレーサフローの予測は、追加の後期スキャンでトレーニングされたものと同等になる。
  論文  参考訳（メタデータ） (2024-10-06T12:17:42Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• FeDETR: a Federated Approach for Stenosis Detection in Coronary Angiography [0.3823356975862007]
  冠動脈狭窄は心不全の根底にある因子である。 冠動脈病変の診断にはいくつかの欠点がある。 深層学習法は、FFR/iFR値の自動推定において、心臓科医を支援するために登場した。
  論文  参考訳（メタデータ） (2024-09-21T23:52:05Z)
• 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)
• Fusion of Diffusion Weighted MRI and Clinical Data for Predicting Functional Outcome after Acute Ischemic Stroke with Deep Contrastive Learning [1.4149937986822438]
  ストロークは、25歳以上の成人の約4分の1に影響する一般的な神経疾患である。 AUCでは0.87,0.80,80.45%,F1スコアでは80.45%,精度では0。
  論文  参考訳（メタデータ） (2024-02-16T18:51:42Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• 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)
• Handling Missing MRI Input Data in Deep Learning Segmentation of Brain Metastases: A Multi-Center Study [1.4463443378902883]
  深層学習に基づくDropOutと呼ばれる脳転移の自動セグメンテーションのためのセグメンテーションモデルが、マルチシーケンスMRIで訓練された。 セグメンテーションの結果は、最先端のDeepLabV3モデルの性能と比較された。 DropOutモデルはDeepLabV3モデルに比べてかなり高いスコアを示した。
  論文  参考訳（メタデータ） (2019-12-27T02:49:45Z)

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。