論文の概要: Estimating Parkinsonism Severity in Natural Gait Videos of Older Adults
with Dementia
- arxiv url: http://arxiv.org/abs/2105.03464v1
- Date: Fri, 7 May 2021 18:36:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-14 05:09:21.872684
- Title: Estimating Parkinsonism Severity in Natural Gait Videos of Older Adults
with Dementia
- Title（参考訳）: 認知症高齢者の自然歩行ビデオにおけるパーキンソン病重症度の推定
- Authors: Andrea Sabo, Sina Mehdizadeh, Andrea Iaboni, Babak Taati
- Abstract要約: 薬物によるパーキンソニズムは、多くの高齢者の認知症に影響を及ぼし、しばしば歩行障害を引き起こす。
視覚に基づく人間のポーズ推定の新しい進歩は、住宅環境における歩行の頻繁で控えめな分析の可能性を開く。
本研究は認知症患者のビデオからパーキンソン病の臨床スコアを予測するための新しい空間-時間グラフ畳み込みネットワーク(st-gcn)アーキテクチャとトレーニング手順を提案する。
- 参考スコア（独自算出の注目度）: 2.7126717743740922
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Drug-induced parkinsonism affects many older adults with dementia, often
causing gait disturbances. New advances in vision-based human pose-estimation
have opened possibilities for frequent and unobtrusive analysis of gait in
residential settings. This work proposes novel spatial-temporal graph
convolutional network (ST-GCN) architectures and training procedures to predict
clinical scores of parkinsonism in gait from video of individuals with
dementia. We propose a two-stage training approach consisting of a
self-supervised pretraining stage that encourages the ST-GCN model to learn
about gait patterns before predicting clinical scores in the finetuning stage.
The proposed ST-GCN models are evaluated on joint trajectories extracted from
video and are compared against traditional (ordinal, linear, random forest)
regression models and temporal convolutional network baselines. Three 2D human
pose-estimation libraries (OpenPose, Detectron, AlphaPose) and the Microsoft
Kinect (2D and 3D) are used to extract joint trajectories of 4787 natural
walking bouts from 53 older adults with dementia. A subset of 399 walks from 14
participants is annotated with scores of parkinsonism severity on the gait
criteria of the Unified Parkinson's Disease Rating Scale (UPDRS) and the
Simpson-Angus Scale (SAS). Our results demonstrate that ST-GCN models operating
on 3D joint trajectories extracted from the Kinect consistently outperform all
other models and feature sets. Prediction of parkinsonism scores in natural
walking bouts of unseen participants remains a challenging task, with the best
models achieving macro-averaged F1-scores of 0.53 +/- 0.03 and 0.40 +/- 0.02
for UPDRS-gait and SAS-gait, respectively. Pre-trained model and demo code for
this work is available:
https://github.com/TaatiTeam/stgcn_parkinsonism_prediction.
- Abstract（参考訳）: 薬物性パーキンソン症は認知症の高齢者の多くに影響を与え、歩行障害を引き起こす。
視覚に基づく人間のポーズ推定の新しい進歩は、住宅環境における歩行の頻繁で控えめな分析の可能性を開く。
本研究は認知症患者のビデオからパーキンソン病の臨床スコアを予測するための新しい空間-時間グラフ畳み込みネットワーク(st-gcn)アーキテクチャとトレーニング手順を提案する。
そこで本研究では,ST-GCNモデルによる歩行パターンの学習を促す,自己指導型事前訓練段階からなる2段階トレーニング手法を提案する。
提案したST-GCNモデルは,ビデオから抽出したジョイントトラジェクトリに基づいて評価し,従来の(通常,線形,ランダム)回帰モデルと時間畳み込みネットワークベースラインと比較した。
認知症53歳以上の高齢者の3つの2D人間のポーズ推定ライブラリ(OpenPose, Detectron, AlphaPose)とMicrosoft Kinect(2D, 3D)を用いて,4787個の自然歩行行動の関節軌跡を抽出する。
14人の参加者から得られた399人の歩行のサブセットは、統一パーキンソン病格付け尺度(updrs)とシンプソン・アンガス尺度(sas)の歩行基準でパーキンソン病重症度スコアで注釈付けされる。
Kinectから抽出した3次元ジョイントトラジェクトリで動作するST-GCNモデルは,他のモデルや機能セットよりも一貫して優れていた。
自然歩行におけるパーキンソニズムスコアの予測は、SPDRS-gait と SAS-gait のそれぞれ 0.53 +/- 0.03 と 0.40 +/- 0.02 のマクロ平均F1スコアを達成できる最良のモデルで、依然として難しい課題である。
この作業のための事前トレーニングされたモデルとデモコードは、https://github.com/taatiteam/stgcn_parkinsonism_prediction.comで入手できる。
関連論文リスト
- 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) - Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。
パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。
進行の段階を特定するために設計されたAIツールは存在しない。
論文 参考訳（メタデータ） (2023-12-28T10:30:54Z) - 1D-Convolutional transformer for Parkinson disease diagnosis from gait [7.213855322671065]
本稿では,歩行からパーキンソン病の診断に有効なディープニューラルネットワークモデルを提案する。
本稿では,重症度を検知し,病状を正確に診断するためのハイブリッドConvNetTransform-erアーキテクチャを提案する。
提案手法は歩行データからパーキンソン病の異なる段階を検出するのに有効であることが示された。
論文 参考訳（メタデータ） (2023-11-06T15:17:17Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - Continuous time recurrent neural networks: overview and application to
forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。
重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文 参考訳（メタデータ） (2023-04-14T09:39:06Z) - Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification
Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。
提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文 参考訳（メタデータ） (2022-11-12T23:28:54Z) - GaitForeMer: Self-Supervised Pre-Training of Transformers via Human
Motion Forecasting for Few-Shot Gait Impairment Severity Estimation [27.081767446317095]
本稿では、GaitForeMer、Gait Forecastingおよび障害推定TransforMerを紹介する。
GaitForeMerは、歩行運動を予測するために、まず公開データセット上で事前訓練され、その後、歩行障害の重症度を予測するために臨床データに適用される。
F1スコアは0.76、精度は0.79、リコールは0.75である。
論文 参考訳（メタデータ） (2022-06-30T21:29:47Z) - Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia
Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。
バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。
最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
論文 参考訳（メタデータ） (2021-12-23T14:51:45Z) - Multiscale Spatio-Temporal Graph Neural Networks for 3D Skeleton-Based
Motion Prediction [92.16318571149553]
本稿では,次世代の3次元骨格型人間のポーズを予測するため,マルチスケール・テンポラルグラフニューラルネットワーク(MST-GNN)を提案する。
MST-GNNは、短期および長期の動作予測において最先端の手法より優れている。
論文 参考訳（メタデータ） (2021-08-25T14:05:37Z) - Partial success in closing the gap between human and machine vision [30.78663978510427]
数年前、最初のCNNがImageNetで人間のパフォーマンスを上回った。
人間のビジョンとマシンビジョンのギャップを埋める作業は進んでいますか?
我々は、広範囲なアウト・オブ・ディストリビューション(OOD)データセット上で、人間のオブザーバをテストした。
論文 参考訳（メタデータ） (2021-06-14T13:23:35Z) - Automatic Grading of Knee Osteoarthritis on the Kellgren-Lawrence Scale
from Radiographs Using Convolutional Neural Networks [0.0]
本稿では,Kelgren-Lawrence(KL)スケールで膝関節X線写真を自動的に評価するための畳み込みニューラルネットワークを用いた新しい手法を提案する。
第1段階では物体検出モデルが画像の残りの部分から個々の膝を分割し,第2段階では回帰モデルが各膝をKLスケールで別々に評価する。
論文 参考訳（メタデータ） (2020-04-18T09:46:55Z)
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。