論文の概要: Multi-level Adversarial Spatio-temporal Learning for Footstep Pressure based FoG Detection

• arxiv url: http://arxiv.org/abs/2209.10770v1
• Date: Thu, 22 Sep 2022 04:08:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 12:39:20.747560
• Title: Multi-level Adversarial Spatio-temporal Learning for Footstep Pressure based FoG Detection
• Title（参考訳）: 足踏み圧に基づく霧検出のための多段階時空間学習
• Authors: Kun Hu, Shaohui Mei, Wei Wang, Kaylena A. Ehgoetz Martens, Liang Wang, Simon J.G. Lewis, David D. Feng, Zhiyong Wang
• Abstract要約: 歩行凍結(FoG)はパーキンソン病の最も一般的な症状の一つである。 本研究では,FoG検出を逐次モデリングタスクとして定式化する。 複数のレベルのFoGパターンを学習するために,新しいディープラーニングアーキテクチャ,すなわちAdversarial Spatio-temporal Network (ASTN)を提案する。
• 参考スコア（独自算出の注目度）: 18.185639516034975
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Freezing of gait (FoG) is one of the most common symptoms of Parkinson's disease, which is a neurodegenerative disorder of the central nervous system impacting millions of people around the world. To address the pressing need to improve the quality of treatment for FoG, devising a computer-aided detection and quantification tool for FoG has been increasingly important. As a non-invasive technique for collecting motion patterns, the footstep pressure sequences obtained from pressure sensitive gait mats provide a great opportunity for evaluating FoG in the clinic and potentially in the home environment. In this study, FoG detection is formulated as a sequential modelling task and a novel deep learning architecture, namely Adversarial Spatio-temporal Network (ASTN), is proposed to learn FoG patterns across multiple levels. A novel adversarial training scheme is introduced with a multi-level subject discriminator to obtain subject-independent FoG representations, which helps to reduce the over-fitting risk due to the high inter-subject variance. As a result, robust FoG detection can be achieved for unseen subjects. The proposed scheme also sheds light on improving subject-level clinical studies from other scenarios as it can be integrated with many existing deep architectures. To the best of our knowledge, this is one of the first studies of footstep pressure-based FoG detection and the approach of utilizing ASTN is the first deep neural network architecture in pursuit of subject-independent representations. Experimental results on 393 trials collected from 21 subjects demonstrate encouraging performance of the proposed ASTN for FoG detection with an AUC 0.85.
• Abstract（参考訳）: 歩行の凍結(FoG)はパーキンソン病の最も一般的な症状の1つであり、世界中の何百万人もの人に影響を及ぼす中枢神経系の神経変性疾患である。 FoGの処理品質を向上させるために,コンピュータ支援によるFoG検出・定量化ツールの開発がますます重要になっている。 運動パターンを非侵襲的に収集する技術として、圧力感受性歩行マットから得られる足踏み圧力シーケンスは、診療所や家庭環境においてFoGを評価する絶好の機会となる。 本研究では,FoG検出を逐次モデリングタスクとして定式化し,複数のレベルのFoGパターンを学習するために,新たなディープラーニングアーキテクチャであるAdversarial Spatio-temporal Network (ASTN)を提案する。 主観非依存のFoG表現を得るために,多段階の主観的判別器を導入し,高い対象間分散による過度な適合リスクの低減に寄与する。 その結果、見えない被験者に対して堅牢なFoG検出が可能となった。 提案手法は、既存の多くの深層建築と統合できるため、他のシナリオからの主観的臨床研究の改善にも重点を置いている。 我々の知る限り、これは足踏み圧力に基づくFoG検出の最初の研究の1つであり、ASTNを利用するアプローチは、主観非依存表現を追求する最初のディープニューラルネットワークアーキテクチャである。 21名の被験者から採取した393の試験結果から,AUC 0.85を用いたFoG検出のためのASTNの有効性が示された。

関連論文リスト

• Feasibility Analysis of Federated Neural Networks for Explainable Detection of Atrial Fibrillation [1.6053176639259055]
  心房細動 (AFib) の早期発見は, 無症候性, 発作性に困難である。 本研究は、生のECGデータを用いてAFibを検出するために、フェデレートラーニング(FL)プラットフォーム上でニューラルネットワークをトレーニングする可能性を評価する。
  論文  参考訳（メタデータ） (2024-10-14T15:06:10Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Adaptive Variance Thresholding: A Novel Approach to Improve Existing Deep Transfer Vision Models and Advance Automatic Knee-Joint Osteoarthritis Classification [0.11249583407496219]
  Knee-Joint型変形性関節症(KOA)は、世界的な障害の原因であり、診断に本質的に複雑である。 1つの有望な分類経路は、ディープラーニングの手法を適用することである。 本研究は,学習後特殊分類器を改善するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-11-10T00:17:07Z)
• PAD-Phys: Exploiting Physiology for Presentation Attack Detection in Face Biometrics [48.683457383784145]
  r: (i) 生理領域, (ii) ディープフェイクス領域, (iii) プレゼンテーション攻撃領域に基づく提示攻撃検出のための3つのアプローチ その結果、プレゼンテーションアタックドメインを生理的およびディープフェイクスドメインと比較すると、平均分類誤り率(ACER)が21.70%減少していることがわかった。 実験では、r-ベースモデルにおける伝達学習の効率を強調し、この生理的特徴のコピーを許さない機器での提示攻撃検出をうまく行う。
  論文  参考訳（メタデータ） (2023-10-03T15:24:15Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Circumpapillary OCT-Focused Hybrid Learning for Glaucoma Grading Using Tailored Prototypical Neural Networks [1.1601676598120785]
  緑内障は世界の視覚障害の主要な原因の1つである。 生の毛細血管Bスキャンを用いて緑内障を診断する新しい枠組みを初めて提案する。 特に,手動学習と深層学習を組み合わせた新しいOCTベースのハイブリッドネットワークを構築した。
  論文  参考訳（メタデータ） (2021-06-25T10:53:01Z)
• Automated freezing of gait assessment with marker-based motion capture and deep learning approaches expert-level detection [0.9103175498038585]
  本稿では,深層ニューラルネットワークを用いたモーションキャプチャを用いたFOG評価手法を提案する。 提案ネットワークはマルチステージグラフ畳み込みネットワーク (MS-GCN) と呼ばれ、空間時間グラフ畳み込みネットワーク (ST-GCN) とマルチステージ時間畳み込みネットワーク (MS-TCN) を組み合わせたものである。 実験により,提案モデルが最先端のベースラインを上回ることが示された。
  論文  参考訳（メタデータ） (2021-03-29T09:32:45Z)
• 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。