論文の概要: Unmasking Parkinson's Disease with Smile: An AI-enabled Screening Framework

• arxiv url: http://arxiv.org/abs/2308.02588v2
• Date: Mon, 18 Nov 2024 16:45:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:30:04.150407
• 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解き放つ: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: このデータセットは、PDの256人、臨床診断165人、自己申告91人を含む。 参加者はウェブカメラを使って 3つの表情を模倣しました 顔のランドマークは自動的に記録から追跡され、低体温症に関連する特徴を抽出する。 機械学習アルゴリズムはこれらの特徴に基づいて訓練され、PDの有無に関わらず個人を区別する。
• 参考スコア（独自算出の注目度）: 2.4914378616592505
• License:
• Abstract: We present an efficient and accessible PD screening method by leveraging AI-driven models enabled by the largest video dataset of facial expressions from 1,059 unique participants. This dataset includes 256 individuals with PD, 165 clinically diagnosed, and 91 self-reported. Participants used webcams to record themselves mimicking three facial expressions (smile, disgust, and surprise) from diverse sources encompassing their homes across multiple countries, a US clinic, and a PD wellness center in the US. Facial landmarks are automatically tracked from the recordings to extract features related to hypomimia, a prominent PD symptom characterized by reduced facial expressions. Machine learning algorithms are trained on these features to distinguish between individuals with and without PD. The model was tested for generalizability on external (unseen during training) test videos collected from a US clinic and Bangladesh. An ensemble of machine learning models trained on smile videos achieved an accuracy of 87.9+-0.1% (95% Confidence Interval) with an AUROC of 89.3+-0.3% as evaluated on held-out data (using k-fold cross-validation). In external test settings, the ensemble model achieved 79.8+-0.6% accuracy with 81.9+-0.3% AUROC on the clinical test set and 84.9+-0.4% accuracy with 81.2+-0.6% AUROC on participants from Bangladesh. In every setting, the model was free from detectable bias across sex and ethnic subgroups, except in the cohorts from Bangladesh, where the model performed significantly better for female participants than males. Smiling videos can effectively differentiate between individuals with and without PD, offering a potentially easy, accessible, and cost-efficient way to screen for PD, especially when a clinical diagnosis is difficult to access.
• Abstract（参考訳）: 1,059人の参加者の表情の最大ビデオデータセットによって実現されたAI駆動型モデルを活用することにより,効率的かつアクセス可能なPDスクリーニング手法を提案する。 このデータセットは、PDの256人、臨床診断165人、自己申告91人を含む。 参加者は、複数の国にまたがる自宅、米国のクリニック、そして米国のPDウェルネスセンターを含む様々な情報源から3つの表情(スマイル、嫌悪感、驚き)を模倣したウェブカメラを使用して記録した。 顔の表情の低下を特徴とするPD症状である低視症に関連する特徴を抽出するために、顔の目印を自動的に記録から追跡する。 機械学習アルゴリズムはこれらの特徴に基づいて訓練され、PDの有無に関わらず個人を区別する。 このモデルは、米国クリニックとバングラデシュで収集された外部(トレーニング中に見えない)テストビデオの一般化性をテストするためにテストされた。 笑顔ビデオで訓練された機械学習モデルのアンサンブルは、87.9+-0.1% (95% Confidence Interval)の精度を達成し、AUROCは89.3+-0.3%(k-fold cross-validation)で評価された。 外部テストでは、アンサンブルモデルは79.8+-0.6%の精度で81.9+-0.3%のAUROC、84.9+-0.4%の精度で81.2+-0.6%のAUROCをバングラデシュの参加者で達成した。 このモデルでは、バングラデシュのコホートを除いて、性別や民族のサブグループにまたがる検出可能な偏見がない。 スマイリングビデオは、PDを使用せずに個人を効果的に区別することができ、特に臨床診断が困難である場合に、PDをスクリーニングする潜在的に簡単で、アクセスしやすく、コスト効率のよい方法を提供する。

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)
• Private, fair and accurate: Training large-scale, privacy-preserving AI models in medical imaging [47.99192239793597]
  我々は,AIモデルのプライバシ保護トレーニングが,非プライベートトレーニングと比較して精度と公平性に与える影響を評価した。 我々の研究は、実際の臨床データセットの困難な現実的な状況下では、診断深層学習モデルのプライバシー保護トレーニングは、優れた診断精度と公正さで可能であることを示しています。
  論文  参考訳（メタデータ） (2023-02-03T09:49:13Z)
• 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)

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。