論文の概要: Unmasking Parkinson's Disease with Smile: An AI-enabled Screening
Framework
- arxiv url: http://arxiv.org/abs/2308.02588v1
- Date: Thu, 3 Aug 2023 18:23:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 19:47:34.990505
- Title: Unmasking Parkinson's Disease with Smile: An AI-enabled Screening
Framework
- Title(参考訳): パーキンソン病をスマイルで救う:AIを利用したスクリーニングフレームワーク
- Authors: Tariq Adnan, Md Saiful Islam, Wasifur Rahman, Sangwu Lee, Sutapa Dey
Tithi, Kazi Noshin, Imran Sarker, M Saifur Rahman, Ehsan Hoque
- Abstract要約: PD患者256名を含む1,059名から,3,871本のビデオを収集した。
顔表情の低下を特徴とするPDの著明な症状である視力低下に関連する特徴を抽出した。
これらの特徴に基づいてトレーニングされたAIモデルのアンサンブルは89.7%の精度に達し、受信者動作特性(AUROC)は89.3%となった。
- 参考スコア(独自算出の注目度): 3.673889641081601
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Parkinson's disease (PD) diagnosis remains challenging due to lacking a
reliable biomarker and limited access to clinical care. In this study, we
present an analysis of the largest video dataset containing micro-expressions
to screen for PD. We collected 3,871 videos from 1,059 unique participants,
including 256 self-reported PD patients. The recordings are from diverse
sources encompassing participants' homes across multiple countries, a clinic,
and a PD care facility in the US. Leveraging facial landmarks and action units,
we extracted features relevant to Hypomimia, a prominent symptom of PD
characterized by reduced facial expressions. An ensemble of AI models trained
on these features achieved an accuracy of 89.7% and an Area Under the Receiver
Operating Characteristic (AUROC) of 89.3% while being free from detectable bias
across population subgroups based on sex and ethnicity on held-out data.
Further analysis reveals that features from the smiling videos alone lead to
comparable performance, even on two external test sets the model has never seen
during training, suggesting the potential for PD risk assessment from smiling
selfie videos.
- Abstract(参考訳): パーキンソン病(pd)の診断は、信頼できるバイオマーカーの欠如と臨床治療へのアクセスの制限のため、依然として困難である。
本研究では,pdのスクリーンへのマイクロ表現を含む最大のビデオデータセットの解析を行う。
PD患者256名を含む1,059名から3,871本のビデオを収集した。
録音は、複数の国にまたがる参加者の自宅、クリニック、米国のPDケア施設を含む様々な資料から作成されている。
顔の表情の低下を特徴とするPDの顕著な症状である低視症に関連する特徴を抽出した。
これらの特徴に基づいて訓練されたaiモデルのアンサンブルは、精度89.7%、受信者の操作特性(auroc)の下の領域89.3%を達成し、保留データに基づく性別と民族に基づく集団間の検出可能なバイアスを免れた。
さらなる分析により、スマイルビデオのみからの機能は、トレーニング中にモデルが見たことのない2つの外部テストセットでも同等のパフォーマンスをもたらすことが判明し、スマイルセルフィービデオによるpdリスク評価の可能性も示唆された。
関連論文リスト
- Multi-centric AI Model for Unruptured Intracranial Aneurysm Detection and Volumetric Segmentation in 3D TOF-MRI [6.397650339311053]
我々は3DTOF-MRIで未破裂脳動脈瘤(UICA)の検出と分節を併用したオープンソースのnnU-NetベースのAIモデルを開発した。
4つの異なるトレーニングデータセットが作成され、nnU-Netフレームワークがモデル開発に使用された。
一次モデルは85%の感度と0.23FP/ケースレートを示し、ADAM-challengeの勝者(61%)と、ADAMデータでトレーニングされたnnU-Net(51%)を感度で上回った。
論文 参考訳(メタデータ) (2024-08-30T08:57:04Z) - Accessible, At-Home Detection of Parkinson's Disease via Multi-task Video Analysis [3.1851272788128644]
既存のAIベースのパーキンソン病検出方法は、主にモータや音声タスクの単調な分析に焦点を当てている。
本稿では,このマルチモーダルデータを利用して診断精度を向上させる不確実性校正核融合ネットワーク(UFNet)を提案する。
UFNetは、精度、ORC曲線下(AUROC)の面積、非隣接特異性を維持しながら感度において、シングルタスクモデルよりも優れていた。
論文 参考訳(メタデータ) (2024-06-21T04:02:19Z) - 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) - Uncertainty-inspired Open Set Learning for Retinal Anomaly
Identification [71.06194656633447]
9つの網膜条件の基底像をトレーニングし,不確実性に着想を得たオープンセット(UIOS)モデルを構築した。
しきい値戦略を持つUIOSモデルはF1スコア99.55%、97.01%、91.91%を達成した。
UIOSは、高い不確実性スコアを正しく予測し、非ターゲットの網膜疾患、低品質の眼底画像、および非基本画像のデータセットを手動でチェックする必要があることを示唆した。
論文 参考訳(メタデータ) (2023-04-08T10:47:41Z) - Sparse Dynamical Features generation, application to Parkinson's Disease
diagnosis [0.0]
本稿では,脳波の動的,頻度,時間的内容を用いて脳の機能に着想を得た新しいアプローチを提案する。
本手法は,N=50名の被験者を含む3眼球聴覚タスク中に記録された脳波信号を含む公開データセットを用いて評価し,そのうち25名がPDに罹患した。
論文 参考訳(メタデータ) (2022-10-20T22:39:29Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳(メタデータ) (2022-01-13T05:24:40Z) - Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in
Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。
本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文 参考訳(メタデータ) (2021-11-18T00:43:41Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳(メタデータ) (2021-09-18T02:28:01Z) - Deep learning-based COVID-19 pneumonia classification using chest CT
images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。
我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。
複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文 参考訳(メタデータ) (2021-02-18T21:14:52Z) - Facial expressions can detect Parkinson's disease: preliminary evidence
from videos collected online [0.6004833598578182]
パーキンソン病(PD)の症状の1つは、低酸素症または表情低下である。
604人のビデオから顔のアクションユニット(AU)を分析しました。
PD患者は、非PD患者よりもAU6(チークライザー)、AU12(リップコーナープーラー)、AU4(ブラウロー)のばらつきが少ない。
論文 参考訳(メタデータ) (2020-12-09T23:53:32Z) - 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)
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。