論文の概要: Balance Measures Derived from Insole Sensor Differentiate Prodromal Dementia with Lewy Bodies

• arxiv url: http://arxiv.org/abs/2309.08623v1
• Date: Mon, 11 Sep 2023 08:46:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-24 04:15:59.783253
• Title: Balance Measures Derived from Insole Sensor Differentiate Prodromal Dementia with Lewy Bodies
• Title（参考訳）: lewy体を有するプロドロマ型認知症を鑑別するインドールセンサによるバランス対策
• Authors: Masatomo Kobayashi, Yasunori Yamada, Kaoru Shinkawa, Miyuki Nemoto, Miho Ota, Kiyotaka Nemoto, Tetsuaki Arai
• Abstract要約: 我々はLewy body(MCI-LB)による軽度認知障害の認識を支援する機械学習に基づく自動パイプラインを提案する。 98人の被験者による実験の結果、MCI-LBを78.0%の精度で他のグループと区別できることが示された。 われわれは,MCI-LBのタイムリーな同定のための新たなアプローチを開拓し,患者に対するより良いケアを可能にした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dementia with Lewy bodies is the second most common type of neurodegenerative dementia, and identification at the prodromal stage$-$i.e., mild cognitive impairment due to Lewy bodies (MCI-LB)$-$is important for providing appropriate care. However, MCI-LB is often underrecognized because of its diversity in clinical manifestations and similarities with other conditions such as mild cognitive impairment due to Alzheimer's disease (MCI-AD). In this study, we propose a machine learning-based automatic pipeline that helps identify MCI-LB by exploiting balance measures acquired with an insole sensor during a 30-s standing task. An experiment with 98 participants (14 MCI-LB, 38 MCI-AD, 46 cognitively normal) showed that the resultant models could discriminate MCI-LB from the other groups with up to 78.0% accuracy (AUC: 0.681), which was 6.8% better than the accuracy of a reference model based on demographic and clinical neuropsychological measures. Our findings may open up a new approach for timely identification of MCI-LB, enabling better care for patients.
• Abstract（参考訳）: lewy型認知症(lewy body)は、神経変性型認知症で2番目に一般的なタイプであり、適切なケアを提供するために、lewy型認知症(mci-lb)による軽度認知障害の予防段階(prodromal stage)で同定される。 しかし、mci-lbは、臨床症状の多様性やアルツハイマー病(mci-ad)による軽度認知障害などの他の病態との類似性から、しばしば過小認識される。 本研究では,30秒の立位作業において,インソールセンサで得られたバランスを活かして,MCI-LBの識別を支援する機械学習に基づく自動パイプラインを提案する。 98人の被験者 (14 MCI-LB, 38 MCI-AD, 46 の認知正常) による実験では、その結果、MCI-LBを78.0%の精度 (AUC: 0.681) で他のグループと区別できることが示された。 われわれは,MCI-LBのタイムリーな同定のための新たなアプローチを開拓し,患者に対するより良いケアを可能にした。

関連論文リスト

• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Introducing an ensemble method for the early detection of Alzheimer's disease through the analysis of PET scan images [0.8192907805418583]
  本研究は、アルツハイマー病を制御正常(CN)、進行性軽度認知障害(pMCI)、安定性軽度認知障害(sMCI)、アルツハイマー病(AD)の4つのグループに分類する難しい課題について考察する。 いくつかのディープラーニングモデルと伝統的な機械学習モデルがアルツハイマー病の検出に使われている。 その結果、深層学習モデルを用いてMCI患者間の差異を判断すると、全体の平均精度は93.13%、AUCは94.4%となることがわかった。
  論文  参考訳（メタデータ） (2024-03-17T16:12:50Z)
• Machine Learning Classification of Alzheimer's Disease Stages Using Cerebrospinal Fluid Biomarkers Alone [0.3277163122167434]
  アルツハイマー病の早期診断は、既存の方法では前臨床段階の患者を特定できないため、課題である。 いくつかの研究は、アルツハイマー病の早期診断における髄液バイオマーカー、アミロイドβ1-42、T-タウ、P-タウの可能性を示している。 我々は、脳脊髄液バイオマーカーのみに基づいて、機械学習モデルを用いてアルツハイマー病のさまざまな段階を分類した。
  論文  参考訳（メタデータ） (2024-01-02T00:55:10Z)
• Auditing Algorithmic Fairness in Machine Learning for Health with Severity-Based LOGAN [70.76142503046782]
  臨床予測タスクにおいて,局所バイアスを自動検出するSLOGANを用いて,機械学習ベースの医療ツールを補足することを提案する。 LOGANは、患者の重症度と過去の医療史における集団バイアス検出を文脈化することにより、既存のツールであるLOcal Group biAs detectioNに適応する。 SLOGANは, クラスタリング品質を維持しながら, 患者群の75%以上において, SLOGANよりも高い公平性を示す。
  論文  参考訳（メタデータ） (2022-11-16T08:04:12Z)
• Automated Analysis of Drawing Process for Detecting Prodromal and Clinical Dementia [0.0]
  プロドロマ性認知症および臨床認知症をスクリーニングするための有望な方法として, 描画過程の自動解析が研究されている。 本研究は,これらの特徴を,前頭葉・臨床認知症だけでなく,認知障害の重症度を予測するためにも利用できるかを検討した。 以上の結果から,認知障害や認知症による神経病理学的変化に関する情報を自動解析することで得られることが示唆された。
  論文  参考訳（メタデータ） (2022-11-16T05:38:52Z)
• Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
  機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。 アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。 マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:35:38Z)
• Characterizing TMS-EEG perturbation indexes using signal energy: initial study on Alzheimer's Disease classification [48.42347515853289]
  経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。 本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-29T19:27:06Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Transfer Learning improves MI BCI models classification accuracy in Parkinson's disease patients [50.591267188664666]
  運動運動に基づくBCI(MIBCI)は、パーキンソン病患者の能力向上と障害症状の軽減を可能にする。 精度と時間関連キャリブレーションの課題を克服するためには、高度なMotor Imagery BCI法が必要である。 本研究は, PD患者に対するMI BCIの精度向上を目的とした, 転写学習に基づくFBCSPアプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-29T19:28:00Z)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)
• 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。