論文の概要: Sparse Dynamical Features generation, application to Parkinson's Disease
diagnosis
- arxiv url: http://arxiv.org/abs/2210.11624v1
- Date: Thu, 20 Oct 2022 22:39:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 16:22:05.533651
- Title: Sparse Dynamical Features generation, application to Parkinson's Disease
diagnosis
- Title(参考訳): スパース動的特徴の生成とパーキンソン病診断への応用
- Authors: Houssem Meghnoudj (1), Bogdan Robu (1), Mazen Alamir (1) ((1) Univ.
Grenoble Alpes, CNRS, Grenoble INP, GIPSA-lab, 38000 Grenoble, France)
- Abstract要約: 本稿では,脳波の動的,頻度,時間的内容を用いて脳の機能に着想を得た新しいアプローチを提案する。
本手法は,N=50名の被験者を含む3眼球聴覚タスク中に記録された脳波信号を含む公開データセットを用いて評価し,そのうち25名がPDに罹患した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study we focus on the diagnosis of Parkinson's Disease (PD) based on
electroencephalogram (EEG) signals. We propose a new approach inspired by the
functioning of the brain that uses the dynamics, frequency and temporal content
of EEGs to extract new demarcating features of the disease. The method was
evaluated on a publicly available dataset containing EEG signals recorded
during a 3-oddball auditory task involving N = 50 subjects, of whom 25 suffer
from PD. By extracting two features, and separating them with a straight line
using a Linear Discriminant Analysis (LDA) classifier, we can separate the
healthy from the unhealthy subjects with an accuracy of 90% (p <
1.8$\times$10-5) using a single channel. By aggregating the information from
three channels and making them vote, we obtain an accuracy of 94 %, a
sensitivity of 96 % and a specificity of 92 %. The evaluation was carried out
using a nested leave-one-out cross-validation procedure, thus preventing data
leakage problems and giving a less biased evaluation. Several tests were
carried out to assess the validity and robustness of our approach, including
the test where we use only half the available data for training. Under this
constraint, the model achieves an accuracy of 89.4 %.
- Abstract(参考訳): 本研究では,脳波信号(eeg)に基づくパーキンソン病(pd)の診断に焦点をあてた。
そこで本研究では,脳波の動態,頻度,時間的内容を利用して脳の機能に触発された新しいアプローチを提案する。
本手法は,n=50名を対象にした3オドボール聴覚課題中に記録された脳波信号を含むデータセット上で評価した。
2つの特徴を抽出し,LDA(Linear Discriminant Analysis)分類器を用いて直線で分離することにより,健常者から健常者を90%(p < 1.8$\times$10-5)の精度で分離することができる。
3つのチャンネルから情報を集約して投票することで、94%の精度、96%の感度、92%の特異性が得られる。
この評価は,データの漏洩問題を防止し,偏りの少ない評価を行うために,ネストしたref-one-outクロスバリデーション法を用いて実施した。
トレーニングに利用可能なデータの半分しか使用していないテストを含む,アプローチの有効性と堅牢性を評価するために,いくつかのテストを実施した。
この制約の下で、モデルは89.4 %の精度を達成する。
関連論文リスト
- Evaluating Echo State Network for Parkinson's Disease Prediction using
Voice Features [1.2289361708127877]
本研究の目的は,偽陰性の最小化と高精度化を両立できる診断モデルを開発することである。
Echo State Networks (ESN)、Random Forest、k-nearest Neighbors、Support Vector、Extreme Gradient Boosting、Decision Treeなど、さまざまな機械学習手法が採用され、徹底的に評価されている。
ESNは83%の症例で8%未満の偽陰性率を維持している。
論文 参考訳(メタデータ) (2024-01-28T14:39:43Z) - Machine Learning-Based Detection of Parkinson's Disease From
Resting-State EEG: A Multi-Center Study [0.125828876338076]
安静時脳波(rs-EEG)はパーキンソン病(PD)の診断に有効である。
本研究では,異なるセンターで得られた4つのデータセットから,84 PDのRS-EEG記録と85 PDの非PD被験者をプールした。
本稿では,プリプロセッシング,臨床的に検証された周波数帯域からのPSD特徴抽出,特徴選択によるエンドツーエンドパイプラインを提案する。
論文 参考訳(メタデータ) (2023-03-02T16:19:24Z) - Empirical analysis of Different Dimensionality Reduction and
Classification Techniques for Epileptic Seizure detection [0.5249805590164902]
3次元化アルゴリズム、主成分分析(PCA)、独立成分分析(ICA)、線形判別分析(LDA)を用いる。
提案されたフレームワークはBonnデータセットでテストされる。
シミュレーション結果は、LDAとNBの組み合わせに対して100%の精度を提供する。
論文 参考訳(メタデータ) (2023-02-17T20:58:17Z) - Automated Huntington's Disease Prognosis via Biomedical Signals and
Shallow Machine Learning [0.0]
心電図, 心電図, 機能的近赤外分光データを用いて, 患者27名, コントロール36名, 不明6名のクリニックで収集した既製認定データセットを用いて検討した。
最大精度はスケールアウトしたExtremely Randomized Treesアルゴリズムにより達成され、受信者特性0.963の曲線下と91.353%の精度で達成された。
論文 参考訳(メタデータ) (2023-02-04T02:20:46Z) - Deep Learning-Based Automatic Diagnosis System for Developmental
Dysplasia of the Hip [5.673030999857323]
本研究では,14個のキーポイントを自動的に検出する深層学習システムを提案する。
3つの解剖学的角度(中央辺角、T"オンニス角、シャープ角)を測り、DDHヒップをクロー基準に基づいてグレードI-IVに分類する。
論文 参考訳(メタデータ) (2022-09-07T19:50:30Z) - A Generic Deep Learning Based Cough Analysis System from Clinically
Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。
提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。
DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
論文 参考訳(メタデータ) (2021-11-10T19:39:26Z) - SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection
Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。
移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。
SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文 参考訳(メタデータ) (2021-10-01T23:01:20Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳(メタデータ) (2020-10-29T19:14:41Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-20T21:47:28Z) - 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) - Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。
そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
論文 参考訳(メタデータ) (2020-03-24T12:49:25Z)
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。