論文の概要: Pose-based Tremor Type and Level Analysis for Parkinson's Disease from
Video
- arxiv url: http://arxiv.org/abs/2312.13776v1
- Date: Thu, 21 Dec 2023 12:05:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 15:05:24.742604
- Title: Pose-based Tremor Type and Level Analysis for Parkinson's Disease from
Video
- Title（参考訳）: ビデオによるパーキンソン病のポーズに基づく振戦タイプとレベル分析
- Authors: Haozheng Zhang and Edmond S. L. Ho and Xiatian Zhang and Silvia Del
Din and Hubert P. H. Shum
- Abstract要約: 我々は,パーキンソンの震動(PT)を分析し,PDの分析を支援することを提案する。
深層学習に基づくPT分類と重度推定システムであるSPA-PTAを提案する。
- 参考スコア（独自算出の注目度）: 10.577497906432498
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose:Current methods for diagnosis of PD rely on clinical examination. The
accuracy of diagnosis ranges between 73% and 84%, and is influenced by the
experience of the clinical assessor. Hence, an automatic, effective and
interpretable supporting system for PD symptom identification would support
clinicians in making more robust PD diagnostic decisions. Methods: We propose
to analyze Parkinson's tremor (PT) to support the analysis of PD, since PT is
one of the most typical symptoms of PD with broad generalizability. To realize
the idea, we present SPA-PTA, a deep learning-based PT classification and
severity estimation system that takes consumer-grade videos of front-facing
humans as input. The core of the system is a novel attention module with a
lightweight pyramidal channel-squeezing-fusion architecture that effectively
extracts relevant PT information and filters noise. It enhances modeling
performance while improving system interpretability. Results:We validate our
system via individual-based leave-one-out cross-validation on two tasks: the PT
classification task and the tremor severity rating estimation task. Our system
presents a 91.3% accuracy and 80.0% F1-score in classifying PT with non-PT
class, while providing a 76.4% accuracy and 76.7% F1-score in more complex
multiclass tremor rating classification task. Conclusion: Our system offers a
cost-effective PT classification and tremor severity estimation results as
warning signs of PD for undiagnosed patients with PT symptoms. In addition, it
provides a potential solution for supporting PD diagnosis in regions with
limited clinical resources.
- Abstract（参考訳）: 目的:現在PDの診断法は臨床検査に依存している。
診断精度は73%から84%の範囲であり,臨床評価者の経験に影響されている。
したがって、pd症状識別のための自動的かつ効果的かつ解釈可能な支援システムは、臨床医がより堅牢なpd診断決定を行うのに役立つ。
方法:本研究はパーキンソンの震動(PT)を解析してPD解析を支援することを提案する。
そこで本研究では,前面人物の消費者グレード映像を入力として,pt分類と重大度推定を行う深層学習システムであるspa-ptaを提案する。
このシステムの中核は、関連するpt情報とフィルタノイズを効果的に抽出する軽量なピラミッド型チャネル・スキーズ・フュージョンアーキテクチャを備えた、新しいアテンションモジュールである。
システム解釈性を改善しながら、モデリング性能を向上させる。
結果: PT分類タスクと震度評価タスクの2つのタスクに対して, 個別に1回限りのクロスバリデーションによるシステム検証を行った。
本システムでは,ptを非ptクラスに分類する場合,91.3%の精度と80.0%のf1-scoreと76.4%の精度と76.7%のf1-scoreを,より複雑なマルチクラスの振れ分類タスクで提供する。
結論: PT 症状の未診断症例に対する PD の警告サインとして, 費用対効果の高いPT 分類と震度推定結果を提供する。
さらに、限られた臨床資源を持つ地域でPD診断を支援する潜在的ソリューションを提供する。
関連論文リスト
- Deep learning for objective estimation of Parkinsonian tremor severity [0.0]
パーキンソン病の術後の震動を解析するためのピクセルベース深層学習モデルを提案する。
2大陸にまたがる5つの運動障害センターから2,742件の評価を受けた。
症状の左右非対称性を検出し、震度の違いを区別した。
論文 参考訳（メタデータ） (2024-09-03T16:00:34Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳（メタデータ） (2024-02-16T05:16:20Z) - One-Stop Automated Diagnostic System for Carpal Tunnel Syndrome in
Ultrasound Images Using Deep Learning [3.123012151358799]
手根管症候群(CTS)検査は、中央神経(MN)を同定し、CTSの診断は検査者の専門性に大きく依存するが、CTSの診断に特有な利点がある。
我々は,ワンストップ自動CTS診断システム(OSA-CTSD)を開発し,コンピュータ支援診断ツールとしての有効性を評価した。
論文 参考訳（メタデータ） (2024-02-08T10:43:55Z) - Machine Learning-Based Detection of Parkinson's Disease From
Resting-State EEG: A Multi-Center Study [0.125828876338076]
安静時脳波(rs-EEG)はパーキンソン病(PD)の診断に有効である。
本研究では,異なるセンターで得られた4つのデータセットから,84 PDのRS-EEG記録と85 PDの非PD被験者をプールした。
本稿では,プリプロセッシング,臨床的に検証された周波数帯域からのPSD特徴抽出,特徴選択によるエンドツーエンドパイプラインを提案する。
論文 参考訳（メタデータ） (2023-03-02T16:19:24Z) - 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) - Pose-based Tremor Classification for Parkinson's Disease Diagnosis from
Video [13.6403722052414]
パーキンソン病(英: Parkinson's disease、PD)は、様々な運動障害症状を引き起こす進行性神経変性疾患である。
パーキンソンの震動はPDの強い一般化性を示す最も主要な症状の1つである。
本稿では,SPAPNetを提案する。SPAPNetは,PD警告サインとして,低コストのPT分類結果を提供するための入力として,カメラに面する人間の動作の,コンシューマグレードの非侵襲的なビデオ記録のみを必要とする。
論文 参考訳（メタデータ） (2022-07-14T11:32:42Z) - MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated
Learning [92.91544082745196]
フェデレートラーニング(FL)は医用画像解析に広く用いられている。
FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。
2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
論文 参考訳（メタデータ） (2022-05-03T14:06:03Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z) - Machine learning discrimination of Parkinson's Disease stages from
walker-mounted sensors data [0.0]
本研究は,パーキンソン病進行の6段階を識別するための機械学習手法を適用した。
データは、運動障害クリニックの実験で、低コストの歩行センサーによって取得されました。
論文 参考訳（メタデータ） (2020-06-22T09:34:12Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z) - Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。
そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
論文 参考訳（メタデータ） (2020-03-24T12:49:25Z)
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。