論文の概要: Towards a Comprehensive Solution for a Vision-based Digitized Neurological Examination

• arxiv url: http://arxiv.org/abs/2205.07209v1
• Date: Sun, 15 May 2022 07:51:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-18 08:41:15.678751
• Title: Towards a Comprehensive Solution for a Vision-based Digitized Neurological Examination
• Title（参考訳）: 視覚に基づく拡張神経検査のための総合的解法を目指して
• Authors: Trung-Hieu Hoang, Mona Zehni, Huaijin Xu, George Heintz, Christopher Zallek, Minh N. Do
• Abstract要約: 本稿では,DNE(Digitized Neurological Examination)と呼ばれる視覚ベースの検査・文書化ソリューションを提案する。 DNEは記録された試験から2D/3D人体前腕のポーズを抽出し、運動学的特徴と時間的特徴を定量化する。 DNEの全体的な精度は、様々な機械学習モデルを用いて記録された動きを分類することによって示される。
• 参考スコア（独自算出の注目度）: 15.364047540215594
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The ability to use digitally recorded and quantified neurological exam information is important to help healthcare systems deliver better care, in-person and via telehealth, as they compensate for a growing shortage of neurologists. Current neurological digital biomarker pipelines, however, are narrowed down to a specific neurological exam component or applied for assessing specific conditions. In this paper, we propose an accessible vision-based exam and documentation solution called Digitized Neurological Examination (DNE) to expand exam biomarker recording options and clinical applications using a smartphone/tablet. Through our DNE software, healthcare providers in clinical settings and people at home are enabled to video capture an examination while performing instructed neurological tests, including finger tapping, finger to finger, forearm roll, and stand-up and walk. Our modular design of the DNE software supports integrations of additional tests. The DNE extracts from the recorded examinations the 2D/3D human-body pose and quantifies kinematic and spatio-temporal features. The features are clinically relevant and allow clinicians to document and observe the quantified movements and the changes of these metrics over time. A web server and a user interface for recordings viewing and feature visualizations are available. DNE was evaluated on a collected dataset of 21 subjects containing normal and simulated-impaired movements. The overall accuracy of DNE is demonstrated by classifying the recorded movements using various machine learning models. Our tests show an accuracy beyond 90% for upper-limb tests and 80% for the stand-up and walk tests.
• Abstract（参考訳）: デジタルに記録され、定量化された神経学的検査情報を利用する能力は、神経科医の不足を補うため、医療システムがより良いケア、対人、遠隔医療を提供するのを助けるために重要である。 しかし、現在の神経学的デジタルバイオマーカーパイプラインは、特定の神経学的検査コンポーネントに絞られたり、特定の条件を評価するために適用される。 本稿では,スマートフォン/タブレットを用いた検査用バイオマーカー記録の選択肢と臨床応用を拡張すべく,dne(digitized neurological examination)と呼ばれる視覚ベースの検査・文書作成ソリューションを提案する。 我々のDNEソフトウェアを通じて、臨床現場の医療提供者や在宅の人々が、指先、指先、前腕ロール、立ち上がり、歩行など、指示された神経学的検査を行いながら、検査をビデオ撮影することができる。 DNEソフトウェアのモジュール設計は、追加のテストの統合をサポートします。 DNEは記録された検査から2D/3D人体ポーズを抽出し、運動学的および時空間的特徴を定量化する。 この特徴は臨床的に関連しており、臨床医が定量化された動きと経時的変化を文書化し観察することができる。 視聴や特徴視覚化を記録するWebサーバ及びユーザインターフェースが利用可能である。 正常運動と模擬運動を含む被験者21名を対象にDNEを評価した。 DNEの全体的な精度は、様々な機械学習モデルを用いて記録された動きを分類することによって示される。 以上の結果から,上肢テストは90%以上,立位および歩行テストは80%以上であった。

関連論文リスト

• A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
  医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。 本稿では,MVLMの概要と適用した各種医療課題について概観する。 また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
  論文  参考訳（メタデータ） (2024-11-19T03:27:05Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Path Signature Representation of Patient-Clinician Interactions as a Predictor for Neuropsychological Tests Outcomes in Children: A Proof of Concept [40.737684553736166]
  この研究は39のビデオ記録のデータセットを利用して、臨床医が認知評価テストを実施する広範囲なセッションを捉えた。 サンプルサイズと不均一な記録スタイルが限定されているにもかかわらず、解析は記録データの特徴としてパスシグネチャを抽出することに成功している。 以上の結果から,これらの特徴は,全セッション長の認知テストのスコアを予測できる有望な可能性を示唆した。
  論文  参考訳（メタデータ） (2023-12-12T12:14:08Z)
• MAMAF-Net: Motion-Aware and Multi-Attention Fusion Network for Stroke Diagnosis [1.4680035572775534]
  ストロークは世界中で死亡率と障害の主な原因であり、そのうち4人に1人が生涯で死亡する恐れがある。 マルチモーダル検査ビデオからストロークを検出できる動き認識・マルチアテンション融合ネットワーク(MAMAF-Net)を提案する。 提案するMAMAF-Netは,患者の動きを感知する動き認識モジュールと,多入力映像データを融合する注意モジュールと,注意ベース抽出特徴から診断する3次元畳み込み層とから構成される。
  論文  参考訳（メタデータ） (2023-04-19T07:27:21Z)
• Knowledge-Distilled Graph Neural Networks for Personalized Epileptic Seizure Detection [43.905374104261014]
  そこで,本研究では,全電極から得られたデータに基づいて訓練された高度感応検知器(教師と呼ぶ)から知識を伝達し,新しい検出器(学生と呼ぶ)を学習するための新しい知識蒸留手法を提案する。 どちらも軽量な実装を提供しており、脳波を記録するのに必要な電極の数を大幅に削減している。 以上の結果から,脳波の少ない症例では,知識蒸留とパーソナライゼーションの両方が,発作検出の性能向上に重要な役割を担っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-04-03T15:37:40Z)
• Semi-self-supervised Automated ICD Coding [2.449909275410288]
  臨床用テキストノート (CTN) には、医師が患者を診察しインタビューする際に、構造化されていない自由テキスト形式で書かれた推論プロセスが含まれている。 本稿では,アイスランドのCTNの希少な注釈付きデータセットを,機械学習型計算で半自己管理的に拡張する方法を提案する。 我々は、注釈付きCTNの小さなセットでニューラルネットワークをトレーニングし、アノテーションなしCTNのセットから臨床特徴を抽出する。
  論文  参考訳（メタデータ） (2022-05-20T11:12:54Z)
• 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)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• 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)
• 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)
• Explainable and Scalable Machine-Learning Algorithms for Detection of Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
  提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。 我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
  論文  参考訳（メタデータ） (2020-03-02T18:20:44Z)

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。