論文の概要: Machine Learning for Real-Time, Automatic, and Early Diagnosis of Parkinson's Disease by Extracting Signs of Micrographia from Handwriting Images

• arxiv url: http://arxiv.org/abs/2111.14781v1
• Date: Wed, 24 Nov 2021 20:04:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 01:43:48.718541
• Title: Machine Learning for Real-Time, Automatic, and Early Diagnosis of Parkinson's Disease by Extracting Signs of Micrographia from Handwriting Images
• Title（参考訳）: 手書き画像からマイクログラフの徴候を抽出したパーキンソン病のリアルタイム・自動・早期診断のための機械学習
• Authors: Riya Tyagi, Tanish Tyagi, Ming Wang, Lujin Zhang
• Abstract要約: パーキンソン病(英: Parkinson's disease、PD)は、世界で2番目に一般的な神経変性疾患であり、全世界で1000万人以上の生命に影響を及ぼす。 本研究では,2つのオープンソースデータセットから収集したサンプルからマイクログラフィーの兆候を抽出するために機械学習技術を適用した。 この研究は、誰でもペン、プリンター、電話にアクセスして早期PD検出に利用できる、公開され、ユーザフレンドリーなWebポータルの基礎も設定している。
• 参考スコア（独自算出の注目度）: 2.452258682573714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Parkinson's disease (PD) is debilitating, progressive, and clinically marked by motor symptoms. As the second most common neurodegenerative disease in the world, it affects over 10 million lives globally. Existing diagnoses methods have limitations, such as the expense of visiting doctors and the challenge of automated early detection, considering that behavioral differences in patients and healthy individuals are often indistinguishable in the early stages. However, micrographia, a handwriting disorder that leads to abnormally small handwriting, tremors, dystonia, and slow movement in the hands and fingers, is commonly observed in the early stages of PD. In this work, we apply machine learning techniques to extract signs of micrographia from drawing samples gathered from two open-source datasets and achieve a predictive accuracy of 94%. This work also sets the foundations for a publicly available and user-friendly web portal that anyone with access to a pen, printer, and phone can use for early PD detection.
• Abstract（参考訳）: パーキンソン病(PD: Parkinson's disease)は、運動障害を主訴とする疾患である。 世界で2番目に一般的な神経変性疾患であり、全世界で1000万人以上の命に影響を及ぼす。 既存の診断方法は、患者と健康な人の行動の違いが早期に区別できないことを考慮すると、医師の訪問費用や自動早期発見の難しさといった制限がある。 しかし、手書き障害(手書き障害)であるマイクログラフィーは、PDの初期段階では、手書き、震動、ジストニア、緩やかな動きを引き起こすことが一般的である。 本研究では,2つのオープンソースデータセットから収集したサンプルからマイクログラフィーの兆候を抽出する機械学習手法を適用し,予測精度94%を達成する。 この研究は、誰でもペン、プリンター、電話にアクセスして早期PD検出に利用できる、公開され、ユーザフレンドリーなWebポータルの基礎も設定している。

関連論文リスト

• Your Turn: At Home Turning Angle Estimation for Parkinson's Disease Severity Assessment [42.449532608247935]
  本稿では,ビデオから3Dスケルトンを抽出して回転角を自動的に定量化する深層学習手法を提案する。 我々は、24人の被験者から1386個のビデオクリップを回転させて、最先端の人間のポーズ推定モデルであるFastposeとStrided Transformerを利用する。 これは、一眼レフカメラデータを用いて、自宅のPD患者によるターンの定量化を行う最初の研究である。
  論文  参考訳（メタデータ） (2024-08-15T14:36:07Z)
• Determining the severity of Parkinson's disease in patients using a multi task neural network [0.7499722271664147]
  パーキンソン病は進行すると容易に診断できるが、早期の診断は困難である。 本研究では,音声分析から容易に抽出できる変数の集合を解析する。 99.15%の成功率は、パーキンソン病またはパーキンソン病以外の重度のパーキンソン病に罹患しているかどうかを予測する問題で達成されている。
  論文  参考訳（メタデータ） (2024-02-08T08:55:34Z)
• PULSAR: Graph based Positive Unlabeled Learning with Multi Stream Adaptive Convolutions for Parkinson's Disease Recognition [1.9482539692051932]
  パーキンソン病(英: Parkinsons disease、PD)は、運動、発話、協調に影響を及ぼす神経変性疾患である。 本稿では,ウェブカメラで記録した指タップのビデオからPDをスクリーニングする新しい手法PULSARを提案する。 適応型グラフ畳み込みニューラルネットワークを用いて,指触りタスクに特有の時間グラフを動的に学習した。
  論文  参考訳（メタデータ） (2023-12-10T05:56:20Z)
• Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
  分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。 従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。 本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
  論文  参考訳（メタデータ） (2022-10-23T11:52:57Z)
• Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
  本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。 提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
  論文  参考訳（メタデータ） (2022-07-26T02:08:08Z)
• Activity Recognition for Autism Diagnosis [1.4854189993691178]
  形式的自閉症診断は非効率で長いプロセスである。 この問題の1つのアプローチは、デジタル技術を使って自閉症に関連する行動を検出することである。 自閉症の最も強い指標の1つは刺激であり、反復的で自己刺激的な行動のセットである。
  論文  参考訳（メタデータ） (2021-08-18T01:00:02Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• An Explainable Machine Learning Model for Early Detection of Parkinson's Disease using LIME on DaTscan Imagery [0.0]
  パーキンソン病(英: Parkinson's disease、PD)は、神経疾患である。 早期診断は患者の治療を改善することができ、SPECT DaTscanのようなドーパミン作動性イメージング技術によって行われる。 本研究では,任意のDaTscanをパーキンソン病の有無を正確に分類する機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2020-08-01T10:44:03Z)
• Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing Parkinson's Disease Motor Severity [39.51722822896373]
  パーキンソン病(英: Parkinson's disease、PD)は、運動機能に影響を及ぼす進行性神経疾患である。 PD障害の身体的重症度は、運動障害学会統一パーキンソン病評価尺度によって定量化することができる。 MDS-UPDRSの歩行スコアに基づいて、個人が撮影する非侵襲的な映像を観察し、3次元の身体骨格を抽出し、時間を通して追跡し、運動を分類するコンピュータビジョンベースモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-17T11:49:30Z)
• Early Blindness Detection Based on Retinal Images Using Ensemble Learning [2.099922236065961]
  糖尿病網膜症は、世界中の成人の視覚障害の主要な原因である。 デジタル画像処理(DIP)と機械学習(ML)の分野における最近の進歩は、この点において機械の使用方法の道を開いた。 本研究では、アンサンブル学習アルゴリズムを用いて網膜画像から抽出した色情報に基づいて、新しい早期盲検検出法を提案する。
  論文  参考訳（メタデータ） (2020-06-12T21:16:21Z)
• 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)

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。