論文の概要: Time Series Classification for Detecting Parkinson's Disease from Wrist
Motions
- arxiv url: http://arxiv.org/abs/2304.11265v1
- Date: Fri, 21 Apr 2023 22:38:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 19:36:53.745003
- Title: Time Series Classification for Detecting Parkinson's Disease from Wrist
Motions
- Title(参考訳): 手首運動からパーキンソン病を検出する時系列分類
- Authors: Cedric Doni\'e, Neha Das, Satoshi Endo, Sandra Hirche
- Abstract要約: パーキンソン病症状モニタリングのためのインセプションタイムとRandOm Convolutional KErnel Transform (ROCKET) について検討した。
InceptionTimeの高学習能力は複雑なムーブメントパターンのモデリングに向いており、ROCKETは小さなデータセットに適している。
ROCKETはジスキネジアに良いが、InceptionTimeは振れやブラジキネシアにやや良いが、性能はより高い。
- 参考スコア(独自算出の注目度): 6.604255432427447
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Parkinson's disease (PD) is a neurodegenerative disease with frequently
changing motor symptoms where continuous symptom monitoring enables more
targeted treatment. Classical time series classification (TSC) and deep
learning techniques have limited performance for PD symptom monitoring using
wearable accelerometer data because PD movement patterns are complex, but
datasets are small. We investigate InceptionTime and RandOm Convolutional
KErnel Transform (ROCKET) because they are state-of-the-art for TSC and
promising for PD symptom monitoring: InceptionTime's high learning capacity is
suited to modeling complex movement patterns while ROCKET is suited to small
datasets. We used a random search to find the highest-scoring InceptionTime
architecture and compared it to ROCKET with a ridge classifier and a
multi-layer perceptron (MLP) on wrist motions of PD patients. We find that all
approaches are suitable for estimating tremor severity and bradykinesia
presence but struggle with detecting dyskinesia. ROCKET performs better for
dyskinesia, whereas InceptionTime is slightly better for tremor and
bradykinesia but has much higher variability in performance. Both outperform
the MLP. In conclusion, both InceptionTime and ROCKET are suitable for
continuous symptom monitoring, with the choice depending on the symptom of
interest and desired robustness.
- Abstract(参考訳): パーキンソン病(英: Parkinson's disease, PD)は、神経変性疾患の一つで、頻回に変化する運動性症状である。
古典的時系列分類(TSC)とディープラーニング技術は、PD運動パターンが複雑であるがデータセットが小さいため、ウェアラブル加速度計データを用いたPD症状モニタリングの性能が制限されている。
InceptionTime と RandOm Convolutional KErnel Transform (ROCKET) は TSC の最先端技術であり PD 症状モニタリングに有望であるため検討する: InceptionTime の高次学習能力は複雑な動きパターンをモデル化するのに適し、ROCKET は小さなデータセットに適している。
我々はランダムに探索を行い,最高レベルのインセプションタイムアーキテクチャを探索し,pd患者の手首動作について,尾根分類器と多層パーセプトロン(mlp)を用いてロケットと比較した。
いずれのアプローチも震度とブラジキネジアの存在を推定するのに適しているが,ジスキネジアの検出に苦慮している。
ROCKETはジスキネジアに良いが、InceptionTimeは振れやブラジキネシアにやや良いが、性能はより高い。
MLPより優れている。
結論として,インセプションタイムとロケットは連続的な症状モニタリングに適しており,興味のある症状や望ましいロバスト性によって選択される。
関連論文リスト
- PULSAR: Graph based Positive Unlabeled Learning with Multi Stream
Adaptive Convolutions for Parkinson's Disease Recognition [1.9482539692051932]
パーキンソン病(英: Parkinsons disease、PD)は、運動、発話、協調に影響を及ぼす神経変性疾患である。
本稿では,ウェブカメラで記録した指タップのビデオからPDをスクリーニングする新しい手法PULSARを提案する。
適応型グラフ畳み込みニューラルネットワークを用いて,指触りタスクに特有の時間グラフを動的に学習した。
論文 参考訳(メタデータ) (2023-12-10T05:56:20Z) - How Does Pruning Impact Long-Tailed Multi-Label Medical Image
Classifiers? [49.35105290167996]
プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。
この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
論文 参考訳(メタデータ) (2023-08-17T20:40:30Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Benchmarking Continuous Time Models for Predicting Multiple Sclerosis
Progression [46.394865849252696]
多発性硬化症(英: multiple sclerosis)は、脳と脊髄に影響を及ぼす疾患であり、重度の障害を引き起こす可能性があり、既知の治療法がない。
最近の論文では, 成績評価と人口統計データを用いて, 疾患の進行を効果的に予測できることが示されている。
公開されている多発性硬化症データセットを用いて、4つの連続時間モデルをベンチマークする。
最高の継続的モデルは、しばしば最高のベンチマークされた個別の時間モデルより優れていることが分かりました。
論文 参考訳(メタデータ) (2023-02-15T18:45:32Z) - Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification
Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。
提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文 参考訳(メタデータ) (2022-11-12T23:28:54Z) - Pose-based Tremor Classification for Parkinson's Disease Diagnosis from
Video [13.6403722052414]
パーキンソン病(英: Parkinson's disease、PD)は、様々な運動障害症状を引き起こす進行性神経変性疾患である。
パーキンソンの震動はPDの強い一般化性を示す最も主要な症状の1つである。
本稿では,SPAPNetを提案する。SPAPNetは,PD警告サインとして,低コストのPT分類結果を提供するための入力として,カメラに面する人間の動作の,コンシューマグレードの非侵襲的なビデオ記録のみを必要とする。
論文 参考訳(メタデータ) (2022-07-14T11:32:42Z) - 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) - Early Disease Stage Characterization in Parkinson's Disease from
Resting-state fMRI Data Using a Long Short-term Memory Network [6.487961959149217]
パーキンソン病(英: Parkinson's disease、PD)は、ホーン病とイェール病の5段階からなる、一般的で複雑な神経変性疾患である。
早期の第1期と第2期を分類し、脳機能の変化を検出することは困難である。
本稿では,PDの初期段階を特徴付けるために,LSTM(Long Short-term memory)ネットワークを提案する。
論文 参考訳(メタデータ) (2022-02-11T18:34:11Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2020-09-25T01:50:15Z) - 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)
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。