論文の概要: Exploration of Various Fractional Order Derivatives in Parkinson's Disease Dysgraphia Analysis

• arxiv url: http://arxiv.org/abs/2301.08529v1
• Date: Fri, 20 Jan 2023 12:18:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-23 13:20:15.844198
• Title: Exploration of Various Fractional Order Derivatives in Parkinson's Disease Dysgraphia Analysis
• Title（参考訳）: パーキンソン病画像解析における各種分画次数誘導体の探索
• Authors: Jan Mucha, Zoltan Galaz, Jiri Mekyska, Marcos Faundez-Zanuy, Vojtech Zvoncak, Zdenek Smekal, Lubos Brabenec, Irena Rektorova
• Abstract要約: パーキンソン病(英: Parkinson's disease、PD)は、65歳以上の人の有病率は2.0%と推定される一般的な神経変性疾患である。 近年の研究では、分数計算理論がグラフモタ障害解析の改善に有効であることが確認されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Parkinson's disease (PD) is a common neurodegenerative disorder with a prevalence rate estimated to 2.0% for people aged over 65 years. Cardinal motor symptoms of PD such as rigidity and bradykinesia affect the muscles involved in the handwriting process resulting in handwriting abnormalities called PD dysgraphia. Nowadays, online handwritten signal (signal with temporal information) acquired by the digitizing tablets is the most advanced approach of graphomotor difficulties analysis. Although the basic kinematic features were proved to effectively quantify the symptoms of PD dysgraphia, a recent research identified that the theory of fractional calculus can be used to improve the graphomotor difficulties analysis. Therefore, in this study, we follow up on our previous research, and we aim to explore the utilization of various approaches of fractional order derivative (FD) in the analysis of PD dysgraphia. For this purpose, we used the repetitive loops task from the Parkinson's disease handwriting database (PaHaW). Handwritten signals were parametrized by the kinematic features employing three FD approximations: Gr\"unwald-Letnikov's, Riemann-Liouville's, and Caputo's. Results of the correlation analysis revealed a significant relationship between the clinical state and the handwriting features based on the velocity. The extracted features by Caputo's FD approximation outperformed the rest of the analyzed FD approaches. This was also confirmed by the results of the classification analysis, where the best model trained by Caputo's handwriting features resulted in a balanced accuracy of 79.73% with a sensitivity of 83.78% and a specificity of 75.68%.
• Abstract（参考訳）: パーキンソン病(英: Parkinson's disease、PD)は、65歳以上の人の有病率は2.0%と推定される一般的な神経変性疾患である。 PDの心的運動症状は、剛性やブラジキネジアが手書き作業に関与する筋肉に影響を及ぼし、PDジスフォニアと呼ばれる手書き異常を引き起こす。 現在、デジタル化タブレットが取得したオンライン手書き信号(時間情報付き信号)は、グラフモタ障害解析の最も先進的なアプローチである。 基本的な運動学的特徴はpddysgraphiaの症状を効果的に定量化することが証明されたが、近年の研究では分数計算の理論がグラフモータの難易度解析を改善するのに利用できることが判明した。 そこで本研究では,これまでの研究を追従し,pd失書症解析における分数次微分法(fd)の様々な手法の活用について検討する。 この目的のために,パーキンソン病手書きデータベース (pahaw) の繰り返しループタスクを用いた。 手書き信号は、Gr\"unwald-Letnikov's, Riemann-Liouville's, Caputo'sの3つのFD近似を用いたキネマティック特徴によってパラメータ化された。 相関分析の結果, 臨床状況と筆跡特徴との間には, 速度による有意な相関関係が認められた。 CaputoのFD近似によって抽出された特徴は、分析されたFDアプローチの他の部分よりも優れていた。 これは分類分析の結果も確認され、caputoの手書き文字の特徴から訓練された最良のモデルは79.73%、感度83.78%、特異度75.68%というバランスの取れた精度を示した。

関連論文リスト

• Evaluation of handwriting kinematics and pressure for differential diagnosis of Parkinson's disease [0.3806074545662052]
  PaHaW Parkinson病手書きデータベースには、パーキンソン病(PD)患者の手書きサンプルと健康管理が含まれている。 PDの鑑別診断には手書きのキネマティックな特徴と圧力的特徴が有用である。
  論文  参考訳（メタデータ） (2024-11-05T12:27:24Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Sensitivity, Performance, Robustness: Deconstructing the Effect of Sociodemographic Prompting [64.80538055623842]
  社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。 ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
  論文  参考訳（メタデータ） (2023-09-13T15:42:06Z)
• Diagnosis of Parkinson's Disease Based on Voice Signals Using SHAP and Hard Voting Ensemble Method [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2番目に多い進行性神経疾患である。 PDは典型的には、DATSCANやSPECTのような運動症状または他の神経画像技術を用いて識別される。 これらの方法は高価で、時間がかかり、一般大衆には利用できない。
  論文  参考訳（メタデータ） (2022-10-03T19:45:22Z)
• Contribution of Different Handwriting Modalities to Differential Diagnosis of Parkinson's Disease [0.0]
  本稿では,パーキンソン病の診断における筆跡の相違点について検討する。 また, パーキンソン病の診断に関係した情報も, 空気圧と空気中運動に有意な関連があることが示唆された。
  論文  参考訳（メタデータ） (2022-03-18T10:51:37Z)
• Sequence-based Dynamic Handwriting Analysis for Parkinson's Disease Detection with One-dimensional Convolutions and BiGRUs [5.936804438746453]
  パーキンソン病(PD)は、ブラジキネシアアキネシア、剛性、震えなどのいくつかの運動症状を特徴とする。 患者の運動制御、特に手書き動作の分析は、PDアセスメントを支援する強力なツールである。 本論文では,一方向畳み込みとBiGated Recurrent Units (GRUs)に基づく新しい分類モデルを提案する。
  論文  参考訳（メタデータ） (2021-01-23T09:25:13Z)
• 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)
• Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing Parkinson's Disease Motor Severity [39.51722822896373]
  パーキンソン病(英: Parkinson's disease、PD)は、運動機能に影響を及ぼす進行性神経疾患である。 PD障害の身体的重症度は、運動障害学会統一パーキンソン病評価尺度によって定量化することができる。 MDS-UPDRSの歩行スコアに基づいて、個人が撮影する非侵襲的な映像を観察し、3次元の身体骨格を抽出し、時間を通して追跡し、運動を分類するコンピュータビジョンベースモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-17T11:49:30Z)
• 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)
• Analysis and Evaluation of Handwriting in Patients with Parkinson's Disease Using kinematic, Geometrical, and Non-linear Features [0.0]
  手書き分析は、診断を支援し、パーキンソン病の進行をモニタリングするのに役立ちます。 本稿では,パーキンソン病にともなう手書き障害をモデル化するための特徴群の重要性を評価することを目的とする。
  論文  参考訳（メタデータ） (2020-02-13T09:54:41Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。