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
- 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) - Non-inferiority of Deep Learning Acute Ischemic Stroke Segmentation on
Non-Contrast CT Compared to Expert Neuroradiologists [5.584243195984352]
経験豊富な3人の神経放射線学者は、各スキャンで虚血核を反映する低密度を個別に区分した。
NCCTからの専門家Aのセグメンテーションを予測するために,3次元CNNアーキテクチャを訓練し,最適化した。
CNNは、神経放射線学者に匹敵する精度の急性虚血性脳梗塞患者において、NCCTの低濃度虚血核を正確に記述する。
論文 参考訳(メタデータ) (2022-11-24T18:47:30Z) - 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) - An Interpretable Approach to Automated Severity Scoring in Pelvic Trauma [3.762671763237911]
骨盤輪の破壊は鈍的外傷機構によって引き起こされ、多系統外傷患者にしばしば見られる。
全身CTによる骨盤骨折の重症度評価にはTile AO/OTA分類が多用されている。
本稿では, 骨盤外傷の自動診断支援システムについて紹介する。
論文 参考訳(メタデータ) (2021-05-21T09:52:33Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-20T21:47:28Z) - Automated machine vision enabled detection of movement disorders from
hand drawn spirals [0.0]
本研究は、スキャンされたペンと紙の描画と畳み込みニューラルネットワーク(CNN)を用いて、パーキンソン病(PD)と本態性震動(ET)の分類を行う。
PDのコントロールによる識別精度は98.2%であった。
ETおよびコントロールからのPDの判別精度は92%であった。
論文 参考訳(メタデータ) (2020-06-22T10:21:51Z) - 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。