論文の概要: Deep Learning for Time Series Classification of Parkinson's Disease Eye Tracking Data

• arxiv url: http://arxiv.org/abs/2311.16381v1
• Date: Tue, 28 Nov 2023 00:03:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-29 20:51:28.030424
• Title: Deep Learning for Time Series Classification of Parkinson's Disease Eye Tracking Data
• Title（参考訳）: パーキンソン病眼球追跡データの時系列分類のための深層学習
• Authors: Gonzalo Uribarri, Simon Ekman von Huth, Josefine Waldthaler, Per Svenningsson, Erik Frans\'en
• Abstract要約: 我々は、現在最先端のディープラーニングアルゴリズムを用いて、ササード実験による視線追跡データを用いて、パーキンソン病の分類を行う。 モデルが分類課題を学習し、未知の対象に一般化できることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Eye-tracking is an accessible and non-invasive technology that provides information about a subject's motor and cognitive abilities. As such, it has proven to be a valuable resource in the study of neurodegenerative diseases such as Parkinson's disease. Saccade experiments, in particular, have proven useful in the diagnosis and staging of Parkinson's disease. However, to date, no single eye-movement biomarker has been found to conclusively differentiate patients from healthy controls. In the present work, we investigate the use of state-of-the-art deep learning algorithms to perform Parkinson's disease classification using eye-tracking data from saccade experiments. In contrast to previous work, instead of using hand-crafted features from the saccades, we use raw $\sim1.5\,s$ long fixation intervals recorded during the preparatory phase before each trial. Using these short time series as input we implement two different classification models, InceptionTime and ROCKET. We find that the models are able to learn the classification task and generalize to unseen subjects. InceptionTime achieves $78\%$ accuracy, while ROCKET achieves $88\%$ accuracy. We also employ a novel method for pruning the ROCKET model to improve interpretability and generalizability, achieving an accuracy of $96\%$. Our results suggest that fixation data has low inter-subject variability and potentially carries useful information about brain cognitive and motor conditions, making it suitable for use with machine learning in the discovery of disease-relevant biomarkers.
• Abstract（参考訳）: 視線追跡は、被験者の運動と認知能力に関する情報を提供する、アクセス可能で非侵襲的な技術である。 そのため、パーキンソン病などの神経変性疾患の研究において貴重な資源であることが証明されている。 特にsaccadeの実験はパーキンソン病の診断と進行に有用であることが証明されている。 しかし、今のところ、健康的なコントロールから患者を確定的に区別する眼球運動バイオマーカーは見つかっていない。 本研究では,現在最先端のディープラーニングアルゴリズムを用いて,ササード実験による視線追跡データを用いてパーキンソン病分類を行う。 従来の研究とは対照的に、サッケードから手作りの機能を使う代わりに、試験前の準備段階で記録された生の$\sim1.5\,s$の固定間隔を使用する。 これらの短い時系列を入力として、InceptionTimeとROCKETという2つの異なる分類モデルを実装します。 モデルは分類タスクを学習し,未発見の被験者に一般化することができる。 インセプションタイムは88%の精度を達成し、ロケットは88%の精度を達成している。 また, ロケット模型のプルーニング法を用いて, 解釈性と一般化性を改善し, 精度96%の精度を得た。 以上の結果から, 固定データは物体間変動が低く, 脳の認知や運動状態に関する有用な情報を伝達し, 疾患関連バイオマーカーの発見に機械学習を応用できる可能性が示唆された。

関連論文リスト

• Predicting Parkinson's disease trajectory using clinical and functional MRI features: a reproduction and replication study [1.621204680136386]
  パーキンソン病(英: Parkinson's disease、PD)は、神経変性疾患の1つで、病態はよく分かっていない。 最近、いくつかの神経イメージングバイオマーカーが研究されているが、これらはいくつかの可変性の原因に影響を受けやすい。 この研究は、PDの潜在的な神経イメージングバイオマーカーの複製可能性を研究する大規模なプロジェクトの一部である。
  論文  参考訳（メタデータ） (2024-02-20T13:42:50Z)
• Determining the severity of Parkinson's disease in patients using a multi task neural network [0.7499722271664147]
  パーキンソン病は進行すると容易に診断できるが、早期の診断は困難である。 本研究では,音声分析から容易に抽出できる変数の集合を解析する。 99.15%の成功率は、パーキンソン病またはパーキンソン病以外の重度のパーキンソン病に罹患しているかどうかを予測する問題で達成されている。
  論文  参考訳（メタデータ） (2024-02-08T08:55:34Z)
• Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
  パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。 パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。 進行の段階を特定するために設計されたAIツールは存在しない。
  論文  参考訳（メタデータ） (2023-12-28T10:30:54Z)
• An experimental study for early diagnosing Parkinson's disease using machine learning [1.534667887016089]
  この実験では、パーキンソン病の早期発見を自動化するために機械学習技術を使用した。 本研究では,130人の個人を対象とした公開データセットを用いたMLモデルを開発した。 PDとRBDの分類では100%の精度が得られ、PDとHCの分類では92%の精度が得られた。
  論文  参考訳（メタデータ） (2023-10-20T16:59:18Z)
• Early Detection of Parkinson's Disease using Motor Symptoms and Machine Learning [0.0]
  本研究の目的は、運動や歩行関連パラメータなどの早期に発症する一般的な症状に焦点を当て、経済的かつ堅牢なウェアラブルデバイスの実現可能性に関する定量的分析に到達することである。 Parkinson's Progression Markers Initiative (PPMI)のサブセットであるPPMI Gaitデータセットが機能選択に使用されている。 その後、パーキンソン症候群の早期発見のために、91.9%の精度でリアルタイムデータをテストするために、特定された影響力のある特徴が使用されている。
  論文  参考訳（メタデータ） (2023-04-18T19:13:05Z)
• Adapter Learning in Pretrained Feature Extractor for Continual Learning of Diseases [66.27889778566734]
  現在、インテリジェント診断システムには、デプロイされたばかりの新しい病気を継続的に診断する能力がない。 特に、新しい疾患のトレーニングデータを用いたインテリジェント診断システムの更新は、古い疾患の知識を壊滅的に忘れてしまう可能性がある。 ACLと呼ばれるアダプタベースの連続学習フレームワークは、新しい病気の集合を効果的に学習するために提案されている。
  論文  参考訳（メタデータ） (2023-04-18T15:01:45Z)
• Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
  分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。 従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。 本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
  論文  参考訳（メタデータ） (2022-10-23T11:52:57Z)
• LifeLonger: A Benchmark for Continual Disease Classification [59.13735398630546]
  MedMNISTコレクションの連続的な疾患分類のためのベンチマークであるLifeLongerを紹介する。 タスクとクラスでの病気の漸進的な学習は、モデルをスクラッチから再トレーニングすることなく、新しいサンプルを分類する問題に対処する。 クロスドメインインクリメンタル学習は、これまで得られた知識を維持しながら、異なる機関から派生したデータセットを扱う問題に対処する。
  論文  参考訳（メタデータ） (2022-04-12T12:25:05Z)
• Relational Subsets Knowledge Distillation for Long-tailed Retinal Diseases Recognition [65.77962788209103]
  本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。 モデルがサブセット固有の知識の学習に集中するように強制する。 提案手法は長期網膜疾患認識タスクに有効であることが判明した。
  論文  参考訳（メタデータ） (2021-04-22T13:39:33Z)
• 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)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)

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。