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

• Your Turn: At Home Turning Angle Estimation for Parkinson's Disease Severity Assessment [42.449532608247935]
  本稿では,ビデオから3Dスケルトンを抽出して回転角を自動的に定量化する深層学習手法を提案する。 我々は、24人の被験者から1386個のビデオクリップを回転させて、最先端の人間のポーズ推定モデルであるFastposeとStrided Transformerを利用する。 これは、一眼レフカメラデータを用いて、自宅のPD患者によるターンの定量化を行う最初の研究である。
  論文  参考訳（メタデータ） (2024-08-15T14:36:07Z)
• 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)
• OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition [66.91236298878383]
  抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。 我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。 正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
  論文  参考訳（メタデータ） (2024-02-29T01:20:29Z)
• 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)
• 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)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• 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)
• Exploring Facial Expressions and Affective Domains for Parkinson Detection [17.244432348845034]
  パーキンソン病(英: Parkinson's Disease、PD)は、顔面運動と非言語コミュニケーションに影響を与える神経疾患である。 本研究では,感情領域に基づく顔画像からの表情解析を用いて,PD検出の改善を提案する。
  論文  参考訳（メタデータ） (2020-12-11T18:48:53Z)
• 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)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• 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。