論文の概要: Explainable AI and Machine Learning Towards Human Gait Deterioration
Analysis
- arxiv url: http://arxiv.org/abs/2306.07165v1
- Date: Mon, 12 Jun 2023 14:53:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 14:10:34.549326
- Title: Explainable AI and Machine Learning Towards Human Gait Deterioration
Analysis
- Title（参考訳）: ヒューマン・ゲイト劣化分析に向けた説明可能なAIと機械学習
- Authors: Abdullah Alharthi
- Abstract要約: 歩行データを客観的に分析し,臨床関連バイオマーカーと所見を関連づける。
physioNet.orgデータセット毎の98% F1 sc の分類精度と、組み合わせたphysioNetデータセットの95.5% F1スコアを達成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Gait analysis, an expanding research area, employs non invasive sensors and
machine learning techniques for a range of applicatio ns. In this study, we
concentrate on gait analysis for detecting cognitive decline in Parkinson's
disease (PD) and under dual task conditions. Using convolutional neural
networks (CNNs) and explainable machine learning, we objectively analyze gait
data and associate findings with clinically relevant biomarkers. This is
accomplished by connecting machine learning outputs to decisions based on human
visual observations or derived quantitative gait parameters, which are tested
and routinely implemented in curr ent healthcare practice. Our analysis of gait
deterioration due to cognitive decline in PD enables robust results using the
proposed methods for assessing PD severity from ground reaction force (GRF)
data. We achieved classification accuracies of 98% F1 sc ores for each
PhysioNet.org dataset and 95.5% F1 scores for the combined PhysioNet dataset.
By linking clinically observable features to the model outputs, we demonstrate
the impact of PD severity on gait. Furthermore, we explore the significance of
cognit ive load in healthy gait analysis, resulting in robust classification
accuracies of 100% F1 scores for subject identity verification. We also
identify weaker features crucial for model predictions using Layer Wise
Relevance Propagation. A notable finding o f this study reveals that cognitive
deterioration's effect on gait influences body balance and foot landing/lifting
dynamics in both classification cases: cognitive load in healthy gait and
cognitive decline in PD gait.
- Abstract（参考訳）: 拡大する研究領域である歩行分析では、さまざまな応用に非侵襲的なセンサーと機械学習技術を使用している。
本研究では,パーキンソン病(pd)の認知的低下と2つのタスク条件下での歩行分析に焦点を当てた。
畳み込みニューラルネットワーク(cnns)と説明可能な機械学習を用いて,歩行データを客観的に分析し,臨床関連バイオマーカーと関連付ける。
これは、機械学習の出力を人間の視覚的観察に基づく決定や、カーエント医療の実践でテストされ、定期的に実施される定量的歩行パラメータに基づいて接続することで達成される。
PDの認知低下に伴う歩行劣化の解析は,グラウンド・リアクション・フォース(GRF)データからPD重症度を評価する手法を用いて,ロバストな結果が得られる。
physioNet.orgデータセット毎の98%のF1値と95.5%のF1スコアの分類精度を達成した。
臨床観察可能な特徴とモデル出力を結びつけることで,pd重症度が歩行に与える影響を実証する。
さらに, 健康な歩行分析における認知的負荷の意義について検討し, 被験者同一性検証のための100%f1スコアのロバストな分類精度について検討した。
また,モデル予測に欠かせない弱い特徴をレイヤワイズアソシエーション伝播を用いて同定する。
本研究は,健常者の認知負荷とPD歩行の認知低下の両分類例において,歩行に対する認知劣化の影響が身体バランスおよび足の着地/揚力動態に影響を及ぼすことを明らかにした。
関連論文リスト
- Harnessing XGBoost for Robust Biomarker Selection of Obsessive-Compulsive Disorder (OCD) from Adolescent Brain Cognitive Development (ABCD) data [0.0]
本研究では, 若年者脳認知発達(ABCD)研究の高相関神経信号解析における各種教師あり機械学習モデルの性能評価を行った。
我々は、ニューロイメージングデータによく見られる相関構造を模倣するデータセットをシミュレーションし、ロジスティック回帰、弾性ネットワーク、ランダムフォレスト、XGBoostをマルチコリニアリティを処理し、予測特徴を正確に識別する能力に基づいて評価した。
論文 参考訳（メタデータ） (2024-05-14T23:43:34Z) - Machine Learning Based Analytics for the Significance of Gait Analysis
in Monitoring and Managing Lower Extremity Injuries [0.0]
この研究は、合併症を予測する教師付き機械学習モデルの習熟度に焦点を当てた。
XGBoostはSMOTEの適用前後で最適なモデルであった。
この結果は、整形外科をデータインフォームドアプローチにシフトさせ、患者の結果を向上させるのに役立つ。
論文 参考訳（メタデータ） (2023-09-27T20:12:19Z) - Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。
PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。
提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2023-09-27T14:39:41Z) - QXAI: Explainable AI Framework for Quantitative Analysis in Patient
Monitoring Systems [9.29069202652354]
定量的分析のための説明可能なAI(QXAI)フレームワークは、回帰および分類タスクのポストホックモデル説明可能性と本質的な説明可能性によって提案される。
我々は,センサデータに基づく心拍数予測と身体活動の分類を行うために,人工ニューラルネットワーク (ANN) と注意に基づく双方向LSTM (BiLSTM) モデルを採用した。
論文 参考訳（メタデータ） (2023-09-19T03:50:30Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - Analyzing the Effects of Handling Data Imbalance on Learned Features
from Medical Images by Looking Into the Models [50.537859423741644]
不均衡なデータセットでモデルをトレーニングすることは、学習問題にユニークな課題をもたらす可能性がある。
ニューラルネットワークの内部ユニットを深く調べて、データの不均衡処理が学習した機能にどのように影響するかを観察します。
論文 参考訳（メタデータ） (2022-04-04T09:38:38Z) - Improving Prediction of Cognitive Performance using Deep Neural Networks
in Sparse Data [2.867517731896504]
MIDUS(Midlife in the United States)の観察・コホート研究から得られたデータを用いて,エグゼクティブ機能とエピソード記憶測定をモデル化した。
ディープニューラルネットワーク(DNN)モデルは、認知パフォーマンス予測タスクの中で一貫して最高である。
論文 参考訳（メタデータ） (2021-12-28T22:23:08Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-06T13:10:37Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳（メタデータ） (2020-09-16T15:16:03Z) - Predicting Rate of Cognitive Decline at Baseline Using a Deep Neural
Network with Multidata Analysis [8.118172725250805]
本研究では,軽度認知障害患者の認知低下率を予測する機械学習システムについて検討した。
我々は3次元畳み込みニューラルネットワークを用いた教師付きハイブリッドニューラルネットワークに基づく予測モデルを構築した。
論文 参考訳（メタデータ） (2020-02-24T01:39:17Z)
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。