論文の概要: Determining the severity of Parkinson's disease in patients using a
multi task neural network
- arxiv url: http://arxiv.org/abs/2402.05491v1
- Date: Thu, 8 Feb 2024 08:55:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-09 15:52:53.144789
- Title: Determining the severity of Parkinson's disease in patients using a
multi task neural network
- Title（参考訳）: マルチタスクニューラルネットワークを用いたパーキンソン病の重症度判定
- Authors: Mar\'ia Teresa Garc\'ia-Ord\'as, Jos\'e Alberto Ben\'itez-Andrades,
Jose Aveleira-Mata, Jos\'e-Manuel Alija-P\'erez and Carmen Benavides
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.7499722271664147
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Parkinson's disease is easy to diagnose when it is advanced, but it is very
difficult to diagnose in its early stages. Early diagnosis is essential to be
able to treat the symptoms. It impacts on daily activities and reduces the
quality of life of both the patients and their families and it is also the
second most prevalent neurodegenerative disorder after Alzheimer in people over
the age of 60. Most current studies on the prediction of Parkinson's severity
are carried out in advanced stages of the disease. In this work, the study
analyzes a set of variables that can be easily extracted from voice analysis,
making it a very non-intrusive technique. In this paper, a method based on
different deep learning techniques is proposed with two purposes. On the one
hand, to find out if a person has severe or non-severe Parkinson's disease, and
on the other hand, to determine by means of regression techniques the degree of
evolution of the disease in a given patient. The UPDRS (Unified Parkinson's
Disease Rating Scale) has been used by taking into account both the motor and
total labels, and the best results have been obtained using a mixed multi-layer
perceptron (MLP) that classifies and regresses at the same time and the most
important features of the data obtained are taken as input, using an
autoencoder. A success rate of 99.15% has been achieved in the problem of
predicting whether a person suffers from severe Parkinson's disease or
non-severe Parkinson's disease. In the degree of disease involvement prediction
problem case, a MSE (Mean Squared Error) of 0.15 has been obtained. Using a
full deep learning pipeline for data preprocessing and classification has
proven to be very promising in the field Parkinson's outperforming the
state-of-the-art proposals.
- Abstract（参考訳）: パーキンソン病は進行すると容易に診断できるが、早期診断は非常に困難である。
早期診断は症状を治療するために不可欠である。
日常生活に影響を与え、患者とその家族の生活の質を低下させ、また60歳以上の人のアルツハイマーに次いで2番目に多い神経変性疾患である。
現在、パーキンソン病の重症度予測に関するほとんどの研究は、疾患の進行段階において行われている。
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分析し,非侵襲的手法であることを示す。
本稿では,異なる深層学習手法に基づく手法を2つの目的から提案する。
一方、重度のパーキンソン病または非重度のパーキンソン病に罹患しているかどうかを判断するためには、回帰法を用いて疾患の進化の度合いを判定する。
updr(unified parkinson's disease rating scale)は、モーターとラベルの両方を考慮し、最も良い結果が、同時に分類および回帰する混合多層パーセプトロン(mlp)を用いて得られ、得られたデータの最も重要な特徴を入力としてオートエンコーダを用いて取得する。
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。
疾患関与予測問題の程度では、MSE(平均二乗誤差)が0.15である。
データの前処理と分類に完全なディープラーニングパイプラインを使用することは、パーキンソン氏が最先端の提案を上回っている分野において、非常に有望であることが証明されている。
関連論文リスト
- 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) - 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) - 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) - Deep Learning Predicts Prevalent and Incident Parkinson's Disease From
UK Biobank Fundus Imaging [13.132022790511005]
パーキンソン病は世界最速の神経疾患である。
現在の診断法は高価で、可用性は限られている。
我々は、パーキンソン病の診断検査として、しばしば脳への窓と呼ばれる網膜基底像を強調した。
論文 参考訳（メタデータ） (2023-02-13T22:30:16Z) - 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) - Automatic Classification of Neuromuscular Diseases in Children Using
Photoacoustic Imaging [77.32032399775152]
神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。
激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
論文 参考訳（メタデータ） (2022-01-27T16:37:19Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-05T05:14:14Z) - 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) - Deep Learning Based Early Diagnostics of Parkinsons Disease [0.0]
本研究は,パーキンソン病,多系統萎縮症,健常人の診断を実現するためのディープラーニング手法を提案する。
この実験の焦点は、既存のニューラルネットワークを改善し、医用画像の認識と診断において良好な結果を得られるようにすることである。
論文 参考訳（メタデータ） (2020-08-04T19:50:52Z) - 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。