論文の概要: Subject Enveloped Deep Sample Fuzzy Ensemble Learning Algorithm of
Parkinson's Speech Data
- arxiv url: http://arxiv.org/abs/2111.09014v1
- Date: Wed, 17 Nov 2021 10:12:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-18 16:03:08.100043
- Title: Subject Enveloped Deep Sample Fuzzy Ensemble Learning Algorithm of
Parkinson's Speech Data
- Title（参考訳）: パーキンソン音声データの被写体包含深サンプルファジィアンサンブル学習アルゴリズム
- Authors: Yiwen Wang, Fan Li, Xiaoheng Zhang, Pin Wang, Yongming Li
- Abstract要約: 本稿では,多層ファジィc平均クラスタリングと層間整合性保存に基づくパーキンソン病者のための包絡型ディープ音声サンプル学習アルゴリズムを提案する。
このアルゴリズムは、パーキンソン病(PD)のオブジェクト内サンプル再構成を達成し、少数の高品質のプロトタイプサンプルセグメントを得ることができる。
- 参考スコア（独自算出の注目度）: 13.336415219233459
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Parkinson disease (PD)'s speech recognition is an effective way for its
diagnosis, which has become a hot and difficult research area in recent years.
As we know, there are large corpuses (segments) within one subject. However,
too large segments will increase the complexity of the classification model.
Besides, the clinicians interested in finding diagnostic speech markers that
reflect the pathology of the whole subject. Since the optimal relevant features
of each speech sample segment are different, it is difficult to find the
uniform diagnostic speech markers. Therefore, it is necessary to reconstruct
the existing large segments within one subject into few segments even one
segment within one subject, which can facilitate the extraction of relevant
speech features to characterize diagnostic markers for the whole subject. To
address this problem, an enveloped deep speech sample learning algorithm for
Parkinson's subjects based on multilayer fuzzy c-mean (MlFCM) clustering and
interlayer consistency preservation is proposed in this paper. The algorithm
can be used to achieve intra-subject sample reconstruction for Parkinson's
disease (PD) to obtain a small number of high-quality prototype sample
segments. At the end of the paper, several representative PD speech datasets
are selected and compared with the state-of-the-art related methods,
respectively. The experimental results show that the proposed algorithm is
effective signifcantly.
- Abstract（参考訳）: パーキンソン病(pd)の音声認識はその診断に有効な方法であり、近年はホットで困難な研究領域となっている。
私たちが知っているように、ひとつの主題には大きなコーパス(セグメント)があります。
しかし、あまりに大きなセグメントでは分類モデルの複雑さが増す。
さらに、対象者の病理を反映した診断用音声マーカーの発見に関心のある臨床医。
各音声サンプルセグメントの最適な関連特徴は異なるため、一様診断用音声マーカーを見つけることは困難である。
そのため、既存の大セグメントを1つのセグメント内の1セグメントであっても少数のセグメントに再構成する必要があるため、関連する音声特徴の抽出が容易になり、対象全体の診断マーカーを特徴付けることができる。
この問題に対処するために,多層ファジィc平均(MlFCM)クラスタリングと層間整合性保存に基づくパーキンソンの被験者に対する包絡型ディープ音声サンプル学習アルゴリズムを提案する。
このアルゴリズムは、パーキンソン病(PD)のオブジェクト内サンプル再構成を達成し、少数の高品質のプロトタイプサンプルセグメントを得ることができる。
論文の最後には,いくつかの代表的PD音声データセットが選択され,それぞれ最先端の手法と比較される。
実験の結果,提案手法は有意な効果を示した。
関連論文リスト
- Graph Neural Networks for Parkinsons Disease Detection [17.861421892442795]
グラフ畳み込みネットワーク(GCN)を用いた新しいPD検出フレームワークを提案する。
音声セグメントをノードとして表現することにより、GCNモデルは、グラフ全体にわたる変形的キューの集約を促進し、セグメント関係を効果的に活用し、ラベルノイズの影響を緩和する。
実験により, PD検出のためのGCNモデルの有効性を実証し, その基盤となるメカニズムについて考察した。
論文 参考訳（メタデータ） (2024-09-12T09:44:13Z) - Train-Free Segmentation in MRI with Cubical Persistent Homology [0.0]
トポロジカルデータ解析(TDA)を用いたMRI画像の分割法について述べる。
これは3つのステップで機能し、まずは自動しきい値設定によってオブジェクト全体をセグメントに識別し、次に事前にトポロジが知られている特定の部分集合を検出し、最後にセグメンテーションの様々な成分を推論する。
脳MRIにおけるグリオブラスト腫分画の例について検討し、2次元スライスが円である胎児脳MRIにおいて、シリンダーを含む心臓MRIにおける心筋、および皮質プレート検出について検討した。
論文 参考訳（メタデータ） (2024-01-02T11:43:49Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - Superficial White Matter Analysis: An Efficient Point-cloud-based Deep
Learning Framework with Supervised Contrastive Learning for Consistent
Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。
ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。
本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
論文 参考訳（メタデータ） (2022-07-18T23:07:53Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳（メタデータ） (2022-03-21T09:57:20Z) - Multi-Modal Detection of Alzheimer's Disease from Speech and Text [3.702631194466718]
本稿では,アルツハイマー病(AD)の診断に音声と対応する文字を同時に利用する深層学習手法を提案する。
提案手法は,Dementiabank Pitt corpus のトレーニングおよび評価において,85.3%のクロスバリデーション精度を実現する。
論文 参考訳（メタデータ） (2020-11-30T21:18:17Z) - Towards Robust Partially Supervised Multi-Structure Medical Image
Segmentation on Small-Scale Data [123.03252888189546]
データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。
マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。
本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
論文 参考訳（メタデータ） (2020-11-28T16:31:00Z) - NINEPINS: Nuclei Instance Segmentation with Point Annotations [2.19221864553448]
本稿では,ポイントアノテーションから自動生成される擬似ラベルセグメンテーションを用いたサンプルセグメンテーションのアルゴリズムを提案する。
生成されたセグメンテーションマスクを用いて、提案手法は、インスタンスセグメンテーションを実現するために、HoVer-Netモデルの修正版を訓練する。
実験結果から,提案手法はポイントアノテーションの不正確性に対して頑健であり,完全注釈付きインスタンスマスクを用いたHover-Netと比較すると,セグメンテーション性能の劣化が必ずしも組織分類などの高次タスクの劣化を意味するとは限らないことが示唆された。
論文 参考訳（メタデータ） (2020-06-24T08:28:52Z) - Deep Double-Side Learning Ensemble Model for Few-Shot Parkinson Speech
Recognition [16.217992171386737]
音声データに基づくパーキンソン病の診断と治療効果の評価は非常に重要である。
ディープラーニングは自動的な特徴抽出に長けており、数発の学習問題に悩まされている。
本稿では、音声特徴やサンプルを深く同時に再構成できる深層二面学習アンサンブルモデルを提案する。
論文 参考訳（メタデータ） (2020-06-20T15:14:41Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。