論文の概要: Subgroup discovery of Parkinson's Disease by utilizing a multi-modal
smart device system
- arxiv url: http://arxiv.org/abs/2205.05961v1
- Date: Thu, 12 May 2022 08:59:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-13 21:34:51.537588
- Title: Subgroup discovery of Parkinson's Disease by utilizing a multi-modal
smart device system
- Title（参考訳）: マルチモーダルスマートデバイスシステムを用いたパーキンソン病のサブグループ発見
- Authors: Catharina Marie van Alen, Alexander Brenner, Tobias Warnecke and
Julian Varghese
- Abstract要約: われわれはスマートウォッチとスマートフォンを使って、PD患者、DD、HCを含む504人の参加者のマルチモーダルデータを収集した。
様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
- 参考スコア（独自算出の注目度）: 63.20765930558542
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, sensors from smart consumer devices have shown great
diagnostic potential in movement disorders. In this context, data modalities
such as electronic questionnaires, hand movement and voice captures have
successfully captured biomarkers and allowed discrimination between Parkinson's
disease (PD) and healthy controls (HC) or differential diagnosis (DD). However,
to the best of our knowledge, a comprehensive evaluation of assessments with a
multi-modal smart device system has still been lacking. In a prospective study
exploring PD, we used smartwatches and smartphones to collect multi-modal data
from 504 participants, including PD patients, DD and HC. This study aims to
assess the effect of multi-modal vs. single-modal data on PD vs. HC and PD vs.
DD classification, as well as on PD group clustering for subgroup
identification. We were able to show that by combining various modalities,
classification accuracy improved and further PD clusters were discovered.
- Abstract（参考訳）: 近年、スマート消費者デバイスからのセンサーは、運動障害の診断において大きな可能性を示している。
この文脈では、電子アンケート、手の動き、音声キャプチャなどのデータモダリティがバイオマーカーの取得に成功し、パーキンソン病(PD)と健康管理(HC)と差分診断(DD)の区別を可能にした。
しかし、我々の知る限りでは、マルチモーダルスマートデバイスシステムによるアセスメントの包括的な評価はまだ不十分である。
PDを探索するために、私たちはスマートウォッチとスマートフォンを使用して、PD患者、DD、HCを含む504人の参加者からマルチモーダルデータを収集しました。
本研究の目的は,マルチモーダルデータと単一モーダルデータとがPD対HC,PD対DD,およびサブグループ識別のためのPD群クラスタリングに与える影響を評価することである。
様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
関連論文リスト
- 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) - PD-ADSV: An Automated Diagnosing System Using Voice Signals and Hard
Voting Ensemble Method for Parkinson's Disease [0.0]
パーキンソン病(英: Parkinson's disease、PD)は、アルツハイマー病に次いで最も広範な運動障害であり、神経変性疾患として2番目に多い疾患である。
運動症状や画像技術は、この病気を診断する最も一般的な方法である。
本研究は音声信号に基づいてPDを診断するための自律システムであるPD-ADSVを提供する。
論文 参考訳（メタデータ） (2023-04-11T17:24:25Z) - Shoupa: An AI System for Early Diagnosis of Parkinson's Disease [1.2862023695904008]
パーキンソン病(英: Parkinson's Disease、PD)は、進行性神経系疾患であり、580万人以上、特に高齢者に影響を与えた。
早期発見には神経科医やPDスペシャリストが関与する必要があるが、ほとんどの高齢者にはアクセスできない。
本稿では,運動と非運動の両症状を評価する異なるタスクを組み合わせたPD早期検出システムについて紹介する。
論文 参考訳（メタデータ） (2022-11-28T11:32:17Z) - 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) - Reducing a complex two-sided smartwatch examination for Parkinson's
Disease to an efficient one-sided examination preserving machine learning
accuracy [63.20765930558542]
パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。
本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
論文 参考訳（メタデータ） (2022-05-11T09:12:59Z) - Input Agnostic Deep Learning for Alzheimer's Disease Classification
Using Multimodal MRI Images [1.4848525762485871]
アルツハイマー病(英語: Alzheimer's disease、AD)は、記憶障害や機能障害を引き起こす進行性脳疾患である。
本研究では,通常の認知,軽度認知障害,ADクラスを分類するために,マルチモーダル・ディープ・ラーニング・アプローチを用いる。
論文 参考訳（メタデータ） (2021-07-19T08:19:34Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z) - Learning-based Computer-aided Prescription Model for Parkinson's
Disease: A Data-driven Perspective [61.70045118068213]
我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。
そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。
新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
論文 参考訳（メタデータ） (2020-07-31T14:34:35Z) - 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。