論文の概要: Prodromal Diagnosis of Lewy Body Diseases Based on the Assessment of
Graphomotor and Handwriting Difficulties
- arxiv url: http://arxiv.org/abs/2301.08534v1
- Date: Fri, 20 Jan 2023 12:30:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-23 13:21:15.488961
- Title: Prodromal Diagnosis of Lewy Body Diseases Based on the Assessment of
Graphomotor and Handwriting Difficulties
- Title（参考訳）: グラフ運動量と筆跡難易度の評価に基づくlewy体疾患のプロドローマ診断
- Authors: Zoltan Galaz, Jiri Mekyska, Jan Mucha, Vojtech Zvoncak, Zdenek Smekal,
Marcos Faundez-Zanuy, Lubos Brabenec, Ivona Moravkova, Irena Rektorova
- Abstract要約: 我々は,各タスクの分類モデルと組み合わせのモデルとを別々に訓練し,LBDの識別のための特徴の予測能力を推定した。
74%の精度でプロドロマ性LBDを同定し,コンピュータ化目的および非侵襲的LBD診断の可能性を示した。
- 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: To this date, studies focusing on the prodromal diagnosis of Lewy body
diseases (LBDs) based on quantitative analysis of graphomotor and handwriting
difficulties are missing. In this work, we enrolled 18 subjects diagnosed with
possible or probable mild cognitive impairment with Lewy bodies (MCI-LB), 7
subjects having more than 50% probability of developing Parkinson's disease
(PD), 21 subjects with both possible/probable MCI-LB and probability of PD >
50%, and 37 age- and gender-matched healthy controls (HC). Each participant
performed three tasks: Archimedean spiral drawing (to quantify graphomotor
difficulties), sentence writing task (to quantify handwriting difficulties),
and pentagon copying test (to quantify cognitive decline). Next, we
parameterized the acquired data by various temporal, kinematic, dynamic,
spatial, and task-specific features. And finally, we trained classification
models for each task separately as well as a model for their combination to
estimate the predictive power of the features for the identification of LBDs.
Using this approach we were able to identify prodromal LBDs with 74% accuracy
and showed the promising potential of computerized objective and non-invasive
diagnosis of LBDs based on the assessment of graphomotor and handwriting
difficulties.
- Abstract（参考訳）: 本研究は,グラフモトールの定量的解析と手書き難易度に基づくLewy body disease(LBDs)の予後診断に焦点を当てた研究である。
本研究は,lewy体(mci-lb),パーキンソン病(pd)の発症確率50%以上,mci-lbとpd>50%の有望・有望な21名,年齢・性別対応の健康管理(hc)37名を対象に,軽度認知障害と診断された18名について検討した。
参加者はそれぞれ3つのタスクを実行した: アルキメデスのスパイラル描画(グラフモタの難易度を定量化する)、文章作成タスク(手書きの難易度を定量化する)、ペンタゴン複写テスト(認知低下度を定量化する)。
次に,取得したデータを時間的,運動的,動的,空間的,タスク特有の特徴によってパラメータ化する。
そして最後に,各タスクの分類モデルを別々に訓練し,それらの組み合わせのモデルを用いてlbdの識別のための特徴の予測パワーを推定した。
提案手法を用いて,74%の精度でプロドロマ性LBDを同定し,グラフモトールおよび手書き難易度の評価に基づいて,コンピュータ化目的および非侵襲診断の可能性を示した。
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) - Parkinson's Disease Detection from Resting State EEG using Multi-Head Graph Structure Learning with Gradient Weighted Graph Attention Explanations [9.544065991313062]
静止状態脳波を用いたパーキンソン病(PD)検出のための新しいグラフニューラルネットワーク(GNN)手法を提案する。
コントラスト学習を用いた構造化グローバル畳み込みを用いて,データ制限による複雑な特徴をモデル化する。
UCサンディエゴ・パーキンソン病脳波データセットを用いて本手法を開発,評価し,主観的離脱検診において69.40%の精度で検出した。
論文 参考訳（メタデータ） (2024-08-01T20:54:33Z) - Graphomotor and Handwriting Disabilities Rating Scale (GHDRS):towards complex and objective assessment [2.30431571525465]
本研究の目的は,GDとHDの客観的診断と評価を可能にする新しい尺度(GS Graphomotor and Handwriting Disabilities Rating Scale)を導入することである。
GS設計の方法論の全体は、他の言語に適応できるように、極大に透明にされている。
論文 参考訳（メタデータ） (2024-05-28T07:09:42Z) - 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) - Exploration of Various Fractional Order Derivatives in Parkinson's
Disease Dysgraphia Analysis [0.0]
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。
論文 参考訳（メタデータ） (2023-01-20T12:18:05Z) - Subgroup discovery of Parkinson's Disease by utilizing a multi-modal
smart device system [63.20765930558542]
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。
論文 参考訳（メタデータ） (2022-05-12T08:59:57Z) - Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue
Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。
また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文 参考訳（メタデータ） (2020-12-22T13:20:23Z) - 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) - Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete
Labels [66.57101219176275]
胸部X線画像上の疾患診断は,多ラベル分類の課題である。
本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。
本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
論文 参考訳（メタデータ） (2020-02-26T17:10:48Z) - 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。