論文の概要: Beyond Fairness: Age-Harmless Parkinson's Detection via Voice
- arxiv url: http://arxiv.org/abs/2309.13292v1
- Date: Sat, 23 Sep 2023 07:23:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 20:54:18.434389
- Title: Beyond Fairness: Age-Harmless Parkinson's Detection via Voice
- Title(参考訳): 年齢のハームレス・パーキンソンの音声による検出
- Authors: Yicheng Wang, Xiaotian Han, Leisheng Yu, Na Zou
- Abstract要約: パーキンソン病(PD)は発声障害や発声障害として現れる。
ディープラーニングモデルは、現在、さまざまな年齢の発症に関する公平性の問題を抱えている。
本研究では,GradCAMに基づく特徴マスキングとアンサンブルモデルを組み合わせた新しいデバイアス手法を提案する。
- 参考スコア(独自算出の注目度): 32.18414430326228
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Parkinson's disease (PD), a neurodegenerative disorder, often manifests as
speech and voice dysfunction. While utilizing voice data for PD detection has
great potential in clinical applications, the widely used deep learning models
currently have fairness issues regarding different ages of onset. These deep
models perform well for the elderly group (age $>$ 55) but are less accurate
for the young group (age $\leq$ 55). Through our investigation, the discrepancy
between the elderly and the young arises due to 1) an imbalanced dataset and 2)
the milder symptoms often seen in early-onset patients. However, traditional
debiasing methods are impractical as they typically impair the prediction
accuracy for the majority group while minimizing the discrepancy. To address
this issue, we present a new debiasing method using GradCAM-based feature
masking combined with ensemble models, ensuring that neither fairness nor
accuracy is compromised. Specifically, the GradCAM-based feature masking
selectively obscures age-related features in the input voice data while
preserving essential information for PD detection. The ensemble models further
improve the prediction accuracy for the minority (young group). Our approach
effectively improves detection accuracy for early-onset patients without
sacrificing performance for the elderly group. Additionally, we propose a
two-step detection strategy for the young group, offering a practical risk
assessment for potential early-onset PD patients.
- Abstract(参考訳): 神経変性疾患であるパーキンソン病(PD)は、しばしば発声障害や発声障害として現れる。
PD検出のための音声データの利用は臨床応用において大きな可能性を秘めているが、現在広く使われているディープラーニングモデルは、様々な年齢の発症に関する公平性の問題を抱えている。
これらの深層モデルは、高齢者群(年齢: 55ドル)ではよく機能するが、若年層(年齢: 55ドル)では正確ではない。
調査の結果,高齢者と若年者の相違が生じた。
1)不均衡データセットと
2)早期発症患者では軽度の症状が多かった。
しかし、伝統的なデバイアス法は、通常、多数派グループの予測精度を損なうが、相違を最小限に抑えるため、非実用的である。
この問題に対処するために,GradCAMをベースとした特徴マスキングとアンサンブルモデルを組み合わせることで,公平性や精度が損なわれないようにする手法を提案する。
特に、GradCAMベースの特徴マスキングは、PD検出に必要な情報を保持しつつ、入力音声データ中の年齢関連特徴を選択的に隠蔽する。
アンサンブルモデルは、マイノリティ(若いグループ)の予測精度をさらに向上させる。
本手法は高齢者群を犠牲にすることなく早期発症患者の検出精度を効果的に向上させる。
また,若年者に対する2段階検出戦略を提案し,早期発症型PD患者に対する実用的なリスク評価を行った。
関連論文リスト
- Evaluating Echo State Network for Parkinson's Disease Prediction using
Voice Features [1.2289361708127877]
本研究の目的は,偽陰性の最小化と高精度化を両立できる診断モデルを開発することである。
Echo State Networks (ESN)、Random Forest、k-nearest Neighbors、Support Vector、Extreme Gradient Boosting、Decision Treeなど、さまざまな機械学習手法が採用され、徹底的に評価されている。
ESNは83%の症例で8%未満の偽陰性率を維持している。
論文 参考訳(メタデータ) (2024-01-28T14:39:43Z) - Ordinal Classification with Distance Regularization for Robust Brain Age Prediction [25.555190119033615]
老化はアルツハイマー病(AD)の主要な危険因子の1つである
脳の年齢は、加齢による構造変化を反映した脳画像から導かれる指標であり、ADの発症を識別し、疾患リスクを評価し、標的とする介入を計画する可能性がある。
磁気共鳴画像(MRI)スキャンによる脳年齢予測のためのディープラーニングに基づく回帰手法は,近年,非常に精度が高い。
これらの手法は平均効果に固有の回帰傾向を受けており、体系的な偏りが生じ、若年者では脳年齢が過大評価され、老年者では過小評価される。
論文 参考訳(メタデータ) (2023-10-25T20:39:07Z) - Adapting Machine Learning Diagnostic Models to New Populations Using a
Small Amount of Data: Results from Clinical Neuroscience [17.161866044628205]
我々は、ソースグループからのデータを最適に組み合わせ、ターゲットグループで予測する、重み付き経験的リスク最小化手法を開発した。
本研究では,アルツハイマー病の診断と脳年齢推定のためのMLモデルを構築するため,20の神経画像研究から15,363人のマルチソースデータに適用した。
論文 参考訳(メタデータ) (2023-08-06T18:05:39Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Exploiting prompt learning with pre-trained language models for
Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。
本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文 参考訳(メタデータ) (2022-10-29T09:18:41Z) - Assessing the Performance of Automated Prediction and Ranking of Patient
Age from Chest X-rays Against Clinicians [4.795478287106675]
深層学習は、胸部X線から患者の年齢を正確に推定することを可能にしている。
本稿では,放射線科医と最先端のディープラーニングモデルの比較研究について述べる。
我々は,脳卒中患者の年齢による1.8M胸部X線の異種データベースを用いてモデルを訓練し,モデル精度の限界について検討した。
論文 参考訳(メタデータ) (2022-07-04T10:09:48Z) - Exploring linguistic feature and model combination for speech
recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。
専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。
本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文 参考訳(メタデータ) (2022-06-28T05:09:01Z) - Uncertainty-Aware COVID-19 Detection from Imbalanced Sound Data [15.833328435820622]
音声ベースのCOVID-19検出のための複数のディープラーニングモデルを開発するアンサンブルフレームワークを提案する。
誤った予測はしばしば高い不確実性をもたらすことが示されている。
この研究は、より堅牢なサウンドベースのcovid-19自動スクリーニングシステムへの道を開くものだ。
論文 参考訳(メタデータ) (2021-04-05T16:54:03Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳(メタデータ) (2020-10-22T02:28:11Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2020-09-25T01:50:15Z)
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。