論文の概要: Towards an Automatic Diagnosis of Peripheral and Central Palsy Using Machine Learning on Facial Features

• arxiv url: http://arxiv.org/abs/2201.11852v1
• Date: Thu, 27 Jan 2022 23:07:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-01 09:45:09.746897
• Title: Towards an Automatic Diagnosis of Peripheral and Central Palsy Using Machine Learning on Facial Features
• Title（参考訳）: 顔の特徴に基づく機械学習による末梢・中枢麻痺の自動診断に向けて
• Authors: C.V. Vletter, H.L. Burger, H. Alers, N. Sourlos, Z. Al-Ars
• Abstract要約: 本稿では, 顔の周囲と中心の顔の麻痺を自動的に分類する機械学習手法を提案する。 Paldaデータセットは、103個の周辺性麻痺画像、40個の中央性麻痺、60個の健常者を含む。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Central palsy is a form of facial paralysis that requires urgent medical attention and has to be differentiated from other, similar conditions such as peripheral palsy. To aid in fast and accurate diagnosis of this condition, we propose a machine learning approach to automatically classify peripheral and central facial palsy. The Palda dataset is used, which contains 103 peripheral palsy images, 40 central palsy, and 60 healthy people. Experiments are run on five machine learning algorithms. The best performing algorithms were found to be the SVM (total accuracy of 85.1%) and the Gaussian naive Bayes (80.7%). The lowest false negative rate on central palsy was achieved by the naive Bayes approach (80% compared to 70%). This condition could prove to be the most severe, and thus its sensitivity is another good way to compare algorithms. By extrapolation, a dataset size of 334 total pictures is estimated to achieve a central palsy sensitivity of 95%. All code used for these machine learning experiments is freely available online at https://github.com/cvvletter/palsy.
• Abstract（参考訳）: 中枢性麻痺は、緊急の医療的注意を必要とする顔面麻痺の一種であり、末梢性麻痺のような他の類似した病態と区別する必要がある。 本研究は, この状態の迅速かつ正確な診断を支援するため, 末梢顔面麻痺と中枢顔面麻痺を自動分類する機械学習手法を提案する。 paldaデータセットは、103の周辺性麻痺イメージ、40の中央性麻痺、60人の健康な人々を含む。 実験は5つの機械学習アルゴリズムで実行される。 最も優れたアルゴリズムは、svm(トータル精度85.1%)とgaussian naive bayes(80.7%)である。 中心性麻痺の最低偽陰性率は、ナイーブ・ベイズ法によって達成された(70%に対して80%)。 この条件が最も厳しいことが証明され、その感度はアルゴリズムを比較する良い方法の1つとなる。 補間により、データセットサイズが334画像と推定され、中心麻痺感度が95%となる。 これらの機械学習実験に使用されるすべてのコードは、https://github.com/cvvletter/palsy.com/で無料で利用できる。

関連論文リスト

• DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
  より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。 The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
  論文  参考訳（メタデータ） (2023-12-02T22:57:25Z)
• Unmasking Parkinson's Disease with Smile: An AI-enabled Screening Framework [2.4914378616592505]
  このデータセットは、PDの256人、臨床診断165人、自己申告91人を含む。 参加者はウェブカメラを使って 3つの表情を模倣しました 顔のランドマークは自動的に記録から追跡され、低体温症に関連する特徴を抽出する。 機械学習アルゴリズムはこれらの特徴に基づいて訓練され、PDの有無に関わらず個人を区別する。
  論文  参考訳（メタデータ） (2023-08-03T18:23:37Z)
• Multicenter automatic detection of invasive carcinoma on breast whole slide images [0.0]
  実践者が信頼できる高速で信頼性の高いアルゴリズムを開発するのは難しい。 本稿では,乳腺全スライディング画像から浸潤癌を検出し,発見するために,畳み込みニューラルネットワークを組み込んだパッチベースのアルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2023-01-17T10:30:34Z)
• Examining stability of machine learning methods for predicting dementia at early phases of the disease [0.4125187280299248]
  認知症の予測は、通常、正常化された全脳容積(nWBV)とAtlas Scaling Factor(ASF)から収集される収集データの種類に大きく依存する。 多くの研究は認知症を予測するために機械学習を使用しているが、異なる実験条件下でより正確であるこれらの手法の安定性に関する結論には達しなかった。 本稿では,認知症予測のための機械学習アルゴリズムの性能に関する結論安定性について検討する。
  論文  参考訳（メタデータ） (2022-09-10T12:05:51Z)
• Skin Cancer Diagnostics with an All-Inclusive Smartphone Application [2.840144824279212]
  ポータブル・在宅メラノーマ診断システムの開発には大きな関心がある。 本稿では,画像キャプチャ機能と事前処理とセグメンテーションを組み合わせたスマートフォンアプリケーションを提案する。 本手法は,良性黒色腫症例と良性黒色腫症例との鑑別において,軽量でユーザフレンドリで信頼性の高い手法である。
  論文  参考訳（メタデータ） (2022-05-25T02:02:08Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Chest x-ray automated triage: a semiologic approach designed for clinical implementation, exploiting different types of labels through a combination of four Deep Learning architectures [83.48996461770017]
  本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。 公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。 4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
  論文  参考訳（メタデータ） (2020-12-23T14:38:35Z)
• 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)
• Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
  この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。 対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
  論文  参考訳（メタデータ） (2020-05-08T02:16:17Z)
• 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。