論文の概要: Parkinsons Disease Detection via Resting-State Electroencephalography
Using Signal Processing and Machine Learning Techniques
- arxiv url: http://arxiv.org/abs/2304.01214v1
- Date: Wed, 29 Mar 2023 06:03:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-09 05:34:57.308586
- Title: Parkinsons Disease Detection via Resting-State Electroencephalography
Using Signal Processing and Machine Learning Techniques
- Title（参考訳）: 信号処理と機械学習を用いた静止状態脳波によるパーキンソン病検出
- Authors: Krish Desai
- Abstract要約: パーキンソン病(英: Parkinsons Disease、PD)は、ドーパミン作動性ニューロンの変性により運動障害を引き起こす神経変性疾患である。
脳波はPD患者の異常を示す。
1つの大きな課題は、治療薬や治療薬で病気を綿密に監視するために、PDのための一貫性のある、正確で、体系的なバイオマーカーが欠如していることである。
- 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: Parkinsons Disease (PD) is a neurodegenerative disorder resulting in motor
deficits due to advancing degeneration of dopaminergic neurons. PD patients
report experiencing tremor, rigidity, visual impairment, bradykinesia, and
several cognitive deficits. Although Electroencephalography (EEG) indicates
abnormalities in PD patients, one major challenge is the lack of a consistent,
accurate, and systemic biomarker for PD in order to closely monitor the disease
with therapeutic treatments and medication. In this study, we collected
Electroencephalographic data from 15 PD patients and 16 Healthy Controls (HC).
We first preprocessed every EEG signal using several techniques and extracted
relevant features using many feature extraction algorithms. Afterwards, we
applied several machine learning algorithms to classify PD versus HC. We found
the most significant metrics to be achieved by the Random Forest ensemble
learning approach, with an accuracy, precision, recall, F1 score, and AUC of
97.5%, 100%, 95%, 0.967, and 0.975, respectively. The results of this study
show promise for exposing PD abnormalities using EEG during clinical diagnosis,
and automating this process using signal processing techniques and ML
algorithms to evaluate the difference between healthy individuals and PD
patients.
- Abstract（参考訳）: パーキンソン病(英: Parkinsons Disease、PD)は、ドーパミン作動性ニューロンの変性により運動障害を引き起こす神経変性疾患である。
PD患者は振動、剛性、視覚障害、ブラジキネジア、認知障害を経験している。
電子脳波検査(eeg)はpd患者に異常を示すが, 治療や薬剤による疾患の監視のために, 一貫性, 正確性, 全身的バイオマーカーの欠如が大きな課題である。
本研究では,15例のPD患者と16例の健常者から脳波データを収集した。
まず,複数の手法を用いて脳波信号を前処理し,多数の特徴抽出アルゴリズムを用いて関連特徴を抽出した。
その後、PD対HCの分類にいくつかの機械学習アルゴリズムを適用した。
ランダムフォレストアンサンブル学習法によって達成すべき最も重要な指標は,精度,精度,リコール,f1スコア,aucが97.5%,100%,95%,0.967,0.975であった。
本研究は,臨床診断における脳波によるPD異常の暴露を約束し,信号処理技術とMLアルゴリズムを用いて自動化し,健常者とPD患者の差を評価することを目的とした。
関連論文リスト
- Advancing Parkinson's Disease Progression Prediction: Comparing Long Short-Term Memory Networks and Kolmogorov-Arnold Networks [1.9022387674252539]
パーキンソン病(英: Parkinson's Disease、PD)は、運動機能と非運動機能を障害する変性神経疾患である。
しかし、現在の診断方法は、しばしば費用がかかり、時間がかかり、専門的な機器や専門知識が必要になる。
本研究では,回帰手法,LSTM(Long Short-Term Memory)ネットワーク,KAN(Kolmogorov Arnold Networks)を用いてPD進行を予測する革新的なアプローチを提案する。
論文 参考訳（メタデータ） (2024-12-30T06:36:05Z) - Parkinson's Disease Diagnosis Through Deep Learning: A Novel LSTM-Based Approach for Freezing of Gait Detection [1.7581090221681177]
本稿では,パーキンソン病患者の歩行エピソードの凍結を自動的に検出するLSTMネットワークに基づく新しいディープラーニングアーキテクチャを提案する。
提案手法は, FOG エピソード検出における現在の最先端モデルを超え, 精度97.71%, 精度98%, 特異性96%を達成している。
論文 参考訳（メタデータ） (2024-12-09T17:58:24Z) - 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) - Parkinson's Disease Detection through Vocal Biomarkers and Advanced
Machine Learning Algorithms [0.0]
本研究は早期疾患予測の手段として, PD患者の声質変化の可能性について検討した。
XGBoost、LightGBM、Baging、AdaBoost、Support Vector Machineなど、さまざまな高度な機械学習アルゴリズムを活用する。
LightGBMは、100%の感度と94.43%の特異性を示し、他の機械学習アルゴリズムの精度とAUCスコアを上回った。
論文 参考訳（メタデータ） (2023-11-09T15:21:10Z) - 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) - Characterizing TMS-EEG perturbation indexes using signal energy: initial
study on Alzheimer's Disease classification [48.42347515853289]
経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。
本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
論文 参考訳（メタデータ） (2022-04-29T19:27:06Z) - An EEG-based approach for Parkinson's disease diagnosis using Capsule
network [0.0]
パーキンソン病は2番目に一般的な神経変性疾患である。
PDの体系的早期診断と治療は確立されていない。
異なる脳波帯で異なる分類精度を比較すると、ガンマバンドで最も高い精度が示された。
論文 参考訳（メタデータ） (2021-12-27T09:22:50Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - 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) - Automated machine vision enabled detection of movement disorders from
hand drawn spirals [0.0]
本研究は、スキャンされたペンと紙の描画と畳み込みニューラルネットワーク(CNN)を用いて、パーキンソン病(PD)と本態性震動(ET)の分類を行う。
PDのコントロールによる識別精度は98.2%であった。
ETおよびコントロールからのPDの判別精度は92%であった。
論文 参考訳（メタデータ） (2020-06-22T10:21:51Z) - 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。