論文の概要: PULSAR: Graph based Positive Unlabeled Learning with Multi Stream
Adaptive Convolutions for Parkinson's Disease Recognition
- arxiv url: http://arxiv.org/abs/2312.05780v2
- Date: Fri, 16 Feb 2024 14:48:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-19 19:44:20.308996
- Title: PULSAR: Graph based Positive Unlabeled Learning with Multi Stream
Adaptive Convolutions for Parkinson's Disease Recognition
- Title（参考訳）: PULSAR:パーキンソン病認識のためのマルチストリーム適応畳み込みを用いたグラフベース正の未ラベル学習
- Authors: Md. Zarif Ul Alam, Md Saiful Islam, Ehsan Hoque, M Saifur Rahman
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.9482539692051932
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Parkinson's disease (PD) is a neuro-degenerative disorder that affects
movement, speech, and coordination. Timely diagnosis and treatment can improve
the quality of life for PD patients. However, access to clinical diagnosis is
limited in low and middle income countries (LMICs). Therefore, development of
automated screening tools for PD can have a huge social impact, particularly in
the public health sector. In this paper, we present PULSAR, a novel method to
screen for PD from webcam-recorded videos of the finger-tapping task from the
Movement Disorder Society - Unified Parkinson's Disease Rating Scale
(MDS-UPDRS). PULSAR is trained and evaluated on data collected from 382
participants (183 self-reported as PD patients). We used an adaptive graph
convolutional neural network to dynamically learn the spatio temporal graph
edges specific to the finger-tapping task. We enhanced this idea with a multi
stream adaptive convolution model to learn features from different modalities
of data critical to detect PD, such as relative location of the finger joints,
velocity and acceleration of tapping. As the labels of the videos are
self-reported, there could be cases of undiagnosed PD in the non-PD labeled
samples. We leveraged the idea of Positive Unlabeled (PU) Learning that does
not need labeled negative data. Our experiments show clear benefit of modeling
the problem in this way. PULSAR achieved 80.95% accuracy in validation set and
a mean accuracy of 71.29% (2.49% standard deviation) in independent test,
despite being trained with limited amount of data. This is specially promising
as labeled data is scarce in health care sector. We hope PULSAR will make PD
screening more accessible to everyone. The proposed techniques could be
extended for assessment of other movement disorders, such as ataxia, and
Huntington's disease.
- Abstract（参考訳）: パーキンソン病(英: Parkinson's disease、PD)は、運動、言語、協調に影響を及ぼす神経変性疾患である。
タイムリーな診断と治療はpd患者の生活の質を改善することができる。
しかし、低所得国(LMIC)では臨床診断へのアクセスが制限されている。
したがって、PDのための自動スクリーニングツールの開発は、特に公衆衛生分野において大きな社会的影響をもたらす可能性がある。
本稿では,運動障害学会(united parkinson's disease rating scale (mds-updrs)) の指テーピングタスクをウェブカメラで録画したビデオからpdをスクリーニングする新しい方法であるpulsarを提案する。
PULSARは,382名(PD患者183名)から収集したデータに基づいて,訓練および評価を行った。
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,フィンガーテーピングタスクに特有の時間的グラフエッジを動的に学習した。
指関節の相対的位置, 触覚の速度, 加速度など, PD検出に重要となる様々なデータから特徴を学習するために, マルチストリーム適応畳み込みモデルを用いてこのアイデアを拡張した。
ビデオのラベルが自己申告されているため、非PDラベルのサンプルに未診断のPDがある可能性がある。
我々は、ラベル付き負のデータを必要としないPositive Unlabeled (PU) Learningというアイデアを活用しました。
我々の実験は、この方法で問題をモデル化する利点を明らかに示している。
PULSARは検証セットの80.95%の精度を達成し、データ量に制限があるにもかかわらず、独立したテストでは平均71.29%(2.49%の標準偏差)の精度を達成した。
これは医療分野でラベル付きデータが不足しているため、特に有望である。
PULSARは、PDスクリーニングを誰にとってもよりアクセスしやすいものにすることを願っている。
提案手法は、失調症やハンティントン病などの他の運動障害を評価するために拡張することができる。
関連論文リスト
- PSBD: Prediction Shift Uncertainty Unlocks Backdoor Detection [57.571451139201855]
予測シフトバックドア検出(英: Prediction Shift Backdoor Detection、PSBD)は、ディープニューラルネットワークにおけるバックドアサンプルを識別する新しい手法である。
PSBDは興味深い予測シフト(PS)現象によって動機付けられており、クリーンなデータに対する有害なモデルの予測は、しばしば真のラベルから別のラベルへとシフトする。
PSBDは、モデル推論中にドロップアウト層をオン/オフする際の確率値のばらつきである予測シフト不確実性(PSU)を計算することで、バックドアトレーニングサンプルを特定する。
論文 参考訳（メタデータ） (2024-06-09T15:31:00Z) - DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。
The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文 参考訳（メタデータ） (2023-12-02T22:57:25Z) - A Hybrid Deep Spatio-Temporal Attention-Based Model for Parkinson's
Disease Diagnosis Using Resting State EEG Signals [8.526741765074677]
本研究では,脳波信号を用いたパーキンソン病(PD)の深層学習モデルを提案する。
このモデルは、畳み込みニューラルネットワーク(CNN)、双方向ゲートリカレントユニット(Bi-GRU)、アテンションメカニズムからなるハイブリッドモデルを用いて設計されている。
その結果,提案モデルでは,トレーニングとホールドアウトデータセットの両方でPDを高精度に診断できることが示唆された。
論文 参考訳（メタデータ） (2023-08-14T20:06:19Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - 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) - FedMed-ATL: Misaligned Unpaired Brain Image Synthesis via Affine
Transform Loss [58.58979566599889]
脳画像合成のための新しい自己教師型学習(FedMed)を提案する。
アフィン変換損失(ATL)は、プライバシー法に違反することなく、ひどく歪んだ画像を使用するように定式化された。
提案手法は, 極めて不整合かつ不整合なデータ設定下での合成結果の品質の両方において, 高度な性能を示す。
論文 参考訳（メタデータ） (2022-01-29T13:45:39Z) - Linear Prediction Residual for Efficient Diagnosis of Parkinson's
Disease from Gait [1.713291434132985]
パーキンソン病(英: Parkinson's Disease、PD)は、慢性的に進行する神経疾患であり、硬直性、震動、姿勢不安定をもたらす。
PDを診断するための明確な医療検査はなく、診断は主に臨床演習である。
歩行からPDを診断する高速かつ高精度なLPGNetを提案する。
論文 参考訳（メタデータ） (2021-07-09T20:23:54Z) - An Explainable Machine Learning Model for Early Detection of Parkinson's
Disease using LIME on DaTscan Imagery [0.0]
パーキンソン病(英: Parkinson's disease、PD)は、神経疾患である。
早期診断は患者の治療を改善することができ、SPECT DaTscanのようなドーパミン作動性イメージング技術によって行われる。
本研究では,任意のDaTscanをパーキンソン病の有無を正確に分類する機械学習モデルを提案する。
論文 参考訳（メタデータ） (2020-08-01T10:44:03Z) - Automated machine vision enabled detection of movement disorders from
hand drawn spirals [0.0]
本研究は、スキャンされたペンと紙の描画と畳み込みニューラルネットワーク(CNN)を用いて、パーキンソン病(PD)と本態性震動(ET)の分類を行う。
PDのコントロールによる識別精度は98.2%であった。
ETおよびコントロールからのPDの判別精度は92%であった。
論文 参考訳（メタデータ） (2020-06-22T10:21:51Z) - 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) - Topological Descriptors for Parkinson's Disease Classification and
Regression Analysis [3.2898781698366726]
我々は,パーキンソン病の分類と重症度評価のプロセスを自動化するために,TDA(Topological Data Analysis)と機械学習ツールを併用することを提案する。
本稿では,パーキンソン病の姿勢変化解析にTDAを取り入れた手法を提案する。
本稿では, パーキンソン病データセットを健康高齢者, 健常若年者, パーキンソン病患者に応用することを目的とした。
論文 参考訳（メタデータ） (2020-04-15T22:59:07Z)
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。