論文の概要: Using AI to Measure Parkinson's Disease Severity at Home

• arxiv url: http://arxiv.org/abs/2303.17573v1
• Date: Thu, 30 Mar 2023 17:40:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 12:34:44.571584
• Title: Using AI to Measure Parkinson's Disease Severity at Home
• Title（参考訳）: AIを使って自宅でパーキンソン病の重症度を測定する
• Authors: Md Saiful Islam, Wasifur Rahman, Abdelrahman Abdelkader, Phillip T. Yang, Sangwu Lee, Jamie L. Adams, Ruth B. Schneider, E. Ray Dorsey, Ehsan Hoque
• Abstract要約: パーキンソン病(PD)患者の運動能力を評価する人工知能システムを提案する。 運動障害学会統一パーキンソン病評価尺度(MDS-UPDRS)を施行した3人の神経学者による世界250人の参加者のデータを評価した。 我々の機械学習モデルは,MDS-UPDRS認定レーダよりも優れており,平均絶対誤差は0.59であり,レーダのMAEは0.79であった。
• 参考スコア（独自算出の注目度）: 3.8304816585703243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an artificial intelligence system to remotely assess the motor performance of individuals with Parkinson's disease (PD). Participants performed a motor task (i.e., tapping fingers) in front of a webcam, and data from 250 global participants were rated by three expert neurologists following the Movement Disorder Society Unified Parkinson's Disease Rating Scale (MDS-UPDRS). The neurologists' ratings were highly reliable, with an intra-class correlation coefficient (ICC) of 0.88. We developed computer algorithms to obtain objective measurements that align with the MDS-UPDRS guideline and are strongly correlated with the neurologists' ratings. Our machine learning model trained on these measures outperformed an MDS-UPDRS certified rater, with a mean absolute error (MAE) of 0.59 compared to the rater's MAE of 0.79. However, the model performed slightly worse than the expert neurologists (0.53 MAE). The methodology can be replicated for similar motor tasks, providing the possibility of evaluating individuals with PD and other movement disorders remotely, objectively, and in areas with limited access to neurological care.
• Abstract（参考訳）: 本稿では,パーキンソン病(PD)患者の運動性能を遠隔から評価する人工知能システムを提案する。 参加者はwebカメラの前で運動タスク(つまり指をタップする)を行い、250人のグローバル参加者のデータを運動障害協会(move disorder society)の3人の専門家神経学者によって評価された。 神経学者の評価は信頼性が高く, クラス内相関係数(ICC)は0.88。 我々は,MDS-UPDRSガイドラインに適合し,神経学者の評価と強く相関する客観的な測定値を得るために,コンピュータアルゴリズムを開発した。 我々の機械学習モデルは,MDS-UPDRS認定レーダよりも優れており,平均絶対誤差は0.59であり,レーダのMAEは0.79であった。 しかし、このモデルは専門家神経学者 (0.53 MAE) よりわずかに悪化した。 この方法論は、同様の運動タスクのために複製することができ、pdや他の運動障害を持つ個人を遠隔、客観的、および神経学的ケアへのアクセスが制限された領域で評価することができる。

関連論文リスト

• AI WALKUP: A Computer-Vision Approach to Quantifying MDS-UPDRS in Parkinson's Disease [26.404367811027996]
  パーキンソン病(英: Parkinson's Disease、PD)は、神経変性疾患の2番目に多い疾患である。 PDの既存の評価方法は、様々な種類の運動症状と疾患の進行の重症度を評価するために、運動障害協会(英語版) - Unified Parkinson's Disease Rating Scale (MDS-UPDRS) である。 我々は、コンピュータビジョンベースのソリューションを使用して、カメラに基づいて人間のポーズ画像をキャプチャし、アルゴリズムを用いて動き分析を再構築し、特徴工学を通して動きの量の特徴を抽出したいと考えている。
  論文  参考訳（メタデータ） (2024-04-02T05:53:34Z)
• Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
  本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。 提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
  論文  参考訳（メタデータ） (2022-07-26T02:08:08Z)
• GaitForeMer: Self-Supervised Pre-Training of Transformers via Human Motion Forecasting for Few-Shot Gait Impairment Severity Estimation [27.081767446317095]
  本稿では、GaitForeMer、Gait Forecastingおよび障害推定TransforMerを紹介する。 GaitForeMerは、歩行運動を予測するために、まず公開データセット上で事前訓練され、その後、歩行障害の重症度を予測するために臨床データに適用される。 F1スコアは0.76、精度は0.79、リコールは0.75である。
  論文  参考訳（メタデータ） (2022-06-30T21:29:47Z)
• Multimodal Indoor Localisation for Measuring Mobility in Parkinson's Disease using Transformers [2.683727984711853]
  パーキンソン病の10人から収集したデータと、さまざまなセンサーを備えたスマートホームで5日間生活した10人のコントロールを使っています。 屋内でより効果的にローカライズするために、2つのデータモダリティを利用したトランスフォーマーベースのアプローチを提案する。 提案手法は,a) 時間的相関を異なる尺度とレベルで学習し,b) 様々なゲーティング機構を用いて,モダリティ内で関連する特徴を選定し,不必要なモダリティを抑制する。
  論文  参考訳（メタデータ） (2022-05-12T15:05:57Z)
• 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)
• 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)
• Exploring Motion Boundaries in an End-to-End Network for Vision-based Parkinson's Severity Assessment [2.359557447960552]
  パーキンソン病の重症度を2つの重要な構成要素である手の動きと歩行で測定するためのエンドツーエンドのディープラーニングフレームワークを提示する。 本手法は,テンポラルセグメンテーションフレームワークで訓練された膨らんだ3次元cnnを用いて,映像データの時間構造と時間構造を学習する。 本研究では,25名のPD患者を対象に,手作業および歩行作業における72.3%,77.1%の上位1位精度のデータセットを用いて,提案手法を評価した。
  論文  参考訳（メタデータ） (2020-12-17T19:20:17Z)
• 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)
• 4D Spatio-Temporal Deep Learning with 4D fMRI Data for Autism Spectrum Disorder Classification [69.62333053044712]
  ASD分類のための4次元畳み込み深層学習手法を提案する。 F1スコアは0.71、F1スコアは0.65であるのに対し、我々は4Dニューラルネットワークと畳み込みリカレントモデルを採用する。
  論文  参考訳（メタデータ） (2020-04-21T17:19:06Z)

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。