論文の概要: Parkinson's Disease Diagnosis based on Gait Cycle Analysis Through an
Interpretable Interval Type-2 Neuro-Fuzzy System
- arxiv url: http://arxiv.org/abs/2109.02442v1
- Date: Thu, 2 Sep 2021 08:33:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-07 16:55:15.656398
- Title: Parkinson's Disease Diagnosis based on Gait Cycle Analysis Through an
Interpretable Interval Type-2 Neuro-Fuzzy System
- Title（参考訳）: 解釈可能なインターバルタイプ2ニューロファジーシステムによる歩行周期解析に基づくパーキンソン病の診断
- Authors: Armin Salimi-Badr, Mohammad Hashemi, Hamidreza Saffari
- Abstract要約: 提案手法は,垂直地中反応力(vGRF)から抽出した臨床特徴を利用する。
提案手法の最終的な精度、精度、リコール、F1スコアは88.74%、89.41%、95.10%、92.16%である。
- 参考スコア（独自算出の注目度）: 3.5450828190071655
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, an interpretable classifier using an interval type-2 fuzzy
neural network for detecting patients suffering from Parkinson's Disease (PD)
based on analyzing the gait cycle is presented. The proposed method utilizes
clinical features extracted from the vertical Ground Reaction Force (vGRF),
measured by 16 wearable sensors placed in the soles of subjects' shoes and
learns interpretable fuzzy rules. Therefore, experts can verify the decision
made by the proposed method based on investigating the firing strength of
interpretable fuzzy rules. Moreover, experts can utilize the extracted fuzzy
rules for patient diagnosing or adjust them based on their knowledge. To
improve the robustness of the proposed method against uncertainty and noisy
sensor measurements, Interval Type-2 Fuzzy Logic is applied. To learn fuzzy
rules, two paradigms are proposed: 1- A batch learning approach based on
clustering available samples is applied to extract initial fuzzy rules, 2- A
complementary online learning is proposed to improve the rule base encountering
new labeled samples. The performance of the method is evaluated for classifying
patients and healthy subjects in different conditions including the presence of
noise or observing new instances. Moreover, the performance of the model is
compared to some previous supervised and unsupervised machine learning
approaches. The final Accuracy, Precision, Recall, and F1 Score of the proposed
method are 88.74%, 89.41%, 95.10%, and 92.16%. Finally, the extracted fuzzy
sets for each feature are reported.
- Abstract（参考訳）: 本稿では,歩行周期の分析に基づいてパーキンソン病(pd)患者を検出するためのインターバルタイプ2ファジィニューラルネットワークを用いた解釈可能な分類器を提案する。
提案手法は, 垂直地中反応力(vGRF)から抽出した臨床特徴を利用して, 被験者の靴底に16個のウェアラブルセンサを設置し, ファジィ規則を解釈する。
そこで専門家は,解釈可能なファジィ規則の発火強度を調査し,提案手法による決定を検証できる。
さらに専門家は、抽出したファジィルールを患者の知識に基づいて診断や調整に利用することができる。
不確かさとノイズセンサ測定に対する提案手法のロバスト性を向上させるために,区間タイプ2ファジィ論理を適用した。
ファジィルールを学ぶために、1- 利用可能なサンプルのクラスタリングに基づくバッチ学習アプローチを適用して最初のファジィルールを抽出する2- 新たなラベル付きサンプルに遭遇するルールベースを改善するために、補完的なオンライン学習を提案する。
本手法の性能は、騒音の有無や新しい症例を観察するなど、異なる条件下で患者と健常者を分類するために評価される。
さらに、モデルの性能は、以前の教師なしと教師なしの機械学習アプローチと比較される。
提案手法の最終精度、精度、リコール、f1スコアは88.74%、89.41%、95.10%、92.16%である。
最後に、各特徴に対する抽出されたファジィ集合を報告する。
関連論文リスト
- Machine Learning-Based Differential Diagnosis of Parkinson's Disease Using Kinematic Feature Extraction and Selection [0.6249768559720121]
パーキンソン病(英: Parkinson's disease、PD)は、神経変性疾患の2番目に多い疾患である。
PDは進行性核上性麻痺(PSP)や多系統萎縮(MSA)などの他の神経変性疾患と症状を共有している
本稿では,PD,PSP,MSA,健康管理の鑑別診断を行う機械学習システムを提案する。
論文 参考訳（メタデータ） (2025-01-02T14:43:39Z) - 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) - Undersampling and Cumulative Class Re-decision Methods to Improve
Detection of Agitation in People with Dementia [16.949993123698345]
消化は認知症(PwD)で最も多い症状の1つである。
前回の研究では、参加者17名から600日間のマルチモーダルウェアラブルセンサデータを収集し、1分間の窓での動揺を検出する機械学習モデルを開発した。
本稿では,まず,不均衡を解消するために異なるアンダーサンプリング手法を実装し,通常の動作データの20%だけが競合的動揺検出モデルの訓練に適しているという結論に至った。
論文 参考訳（メタデータ） (2023-02-07T03:14:00Z) - Exploiting prompt learning with pre-trained language models for
Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。
本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文 参考訳（メタデータ） (2022-10-29T09:18:41Z) - NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model
with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。
本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。
以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文 参考訳（メタデータ） (2022-06-02T07:57:17Z) - Identification of Autism spectrum disorder based on a novel feature
selection method and Variational Autoencoder [7.0876609220947655]
安静時機能的磁気共鳴画像(rs-fMRI)のような非侵襲的脳イメージングは、自閉症スペクトラム障害(ASD)の早期診断に有望な解決策である
本稿では rs-fMRI に基づく ASD 診断を支援するための分類フレームワークを提案する。
論文 参考訳（メタデータ） (2022-04-07T08:50:48Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - 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) - Detection of Epileptic Seizures on EEG Signals Using ANFIS Classifier,
Autoencoders and Fuzzy Entropies [9.861415775909663]
脳波信号はてんかん発作の検出に広く用いられている。
本稿ではファジィ理論と深層学習技術を用いた新しい診断手法を提案する。
論文 参考訳（メタデータ） (2021-09-06T11:02:25Z) - Estimating and Improving Fairness with Adversarial Learning [65.99330614802388]
本研究では,深層学習に基づく医療画像解析システムにおけるバイアスの同時緩和と検出を目的としたマルチタスク・トレーニング戦略を提案する。
具体的には,バイアスに対する識別モジュールと,ベース分類モデルにおける不公平性を予測するクリティカルモジュールを追加することを提案する。
大規模で利用可能な皮膚病変データセットのフレームワークを評価します。
論文 参考訳（メタデータ） (2021-03-07T03:10:32Z) - Auxiliary Diagnosing Coronary Stenosis Using Machine Learning [2.4100803794273]
本論文では,4つの機械学習アルゴリズム,すなわちBoosted Tree(BT),Decision Tree(DT),Logistic Regression(LR),Random Forest(RF)が採用されている。
実験の結果、RFは他の3つのアルゴリズムよりも優れた性能を示し、以前のアルゴリズムは、個人が95.7%の精度でCSを持っているかどうかを分類する。
論文 参考訳（メタデータ） (2020-07-16T04:56:57Z)
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。