論文の概要: Statistical Analysis by Semiparametric Additive Regression and LSTM-FCN Based Hierarchical Classification for Computer Vision Quantification of Parkinsonian Bradykinesia
- arxiv url: http://arxiv.org/abs/2404.00670v1
- Date: Sun, 31 Mar 2024 12:35:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 02:20:51.114426
- Title: Statistical Analysis by Semiparametric Additive Regression and LSTM-FCN Based Hierarchical Classification for Computer Vision Quantification of Parkinsonian Bradykinesia
- Title（参考訳）: 半パラメトリック付加回帰とLSTM-FCNに基づくパーキンソン性ブラジキネシアのコンピュータビジョン定量のための階層分類による統計的解析
- Authors: Youngseo Cho, In Hee Kwak, Dohyeon Kim, Jinhee Na, Hanjoo Sung, Jeongjae Lee, Young Eun Kim, Hyeo-il Ma,
- Abstract要約: ブラジキネジアはパーキンソン病(PD)の根本症状である
本研究は、振幅の減少を捉えるためにニュアンス解析を導入することにより、視力に基づくブラジキネジアの定量化を推し進める。
- 参考スコア（独自算出の注目度）: 6.1524028556192425
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Bradykinesia, characterized by involuntary slowing or decrement of movement, is a fundamental symptom of Parkinson's Disease (PD) and is vital for its clinical diagnosis. Despite various methodologies explored to quantify bradykinesia, computer vision-based approaches have shown promising results. However, these methods often fall short in adequately addressing key bradykinesia characteristics in repetitive limb movements: "occasional arrest" and "decrement in amplitude." This research advances vision-based quantification of bradykinesia by introducing nuanced numerical analysis to capture decrement in amplitudes and employing a simple deep learning technique, LSTM-FCN, for precise classification of occasional arrests. Our approach structures the classification process hierarchically, tailoring it to the unique dynamics of bradykinesia in PD. Statistical analysis of the extracted features, including those representing arrest and fatigue, has demonstrated their statistical significance in most cases. This finding underscores the importance of considering "occasional arrest" and "decrement in amplitude" in bradykinesia quantification of limb movement. Our enhanced diagnostic tool has been rigorously tested on an extensive dataset comprising 1396 motion videos from 310 PD patients, achieving an accuracy of 80.3%. The results confirm the robustness and reliability of our method.
- Abstract（参考訳）: ブラジキネシアは不随意の運動遅滞または脱落を特徴とし、パーキンソン病(PD)の基本的な症状であり、臨床診断に欠かせない。
ブラジキネジアを定量化する様々な手法が検討されているが、コンピュータビジョンに基づくアプローチは有望な結果を示している。
しかし、これらの手法は、頻繁な四肢運動における重要なブラジキネジアの特徴である「時折停止」と「振幅の低下」に適切に対処するには不十分であることが多い。この研究は、振幅の減少を捉え、簡単な深層学習技術であるLSTM-FCNを用いて、時折停止の正確な分類を行うことにより、視覚に基づくブラジキネシアの定量化を推し進める。
本手法は分類過程を階層的に構成し,PDにおけるブラジキネジアの特異な動態に合わせたものである。
逮捕と疲労を表すものを含む抽出された特徴の統計的分析は、ほとんどのケースでその統計的意義を証明している。
この発見は、四肢運動の定量化における「時折の停止」と「振幅の低下」を考えることの重要性を浮き彫りにする。
拡張診断ツールは,310 PD患者の1396のモーションビデオからなる広範囲なデータセットで厳密に検査され,80.3%の精度が得られた。
その結果, 本手法の堅牢性と信頼性が確認できた。
関連論文リスト
- Quantifying Aleatoric Uncertainty of the Treatment Effect: A Novel Orthogonal Learner [72.20769640318969]
医療の安全性と有効性を理解するためには,観測データから因果量の推定が重要である。
医療従事者は、平均因果量の推定だけでなく、治療効果のランダム性をランダムな変数として理解する必要がある。
このランダム性はアレタリック不確実性と呼ばれ、治療効果の利益や量子化の確率を理解するために必要である。
論文 参考訳（メタデータ） (2024-11-05T18:14:49Z) - 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) - Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。
iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
論文 参考訳（メタデータ） (2024-07-10T19:17:23Z) - 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) - 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) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳（メタデータ） (2021-04-29T00:11:32Z) - Artificial Intelligence Methods Based Hierarchical Classification of
Frontotemporal Dementia to Improve Diagnostic Predictability [0.0]
Frontotemporal Dementia(FTD)患者は、認知能力、エグゼクティブおよび行動特性、言語能力の喪失、および記憶能力の低下を損ないました。
本研究の目的は、皮質厚さデータに人工知能(AI)のデータ駆動技術を適用することにより、各被験者のMRI画像をFTDのスペクトルの1つに階層的に分類することである。
自動分類モデルでは, 支持ベクトルマシン (SVM) , 線形判別分析 (LDA) , ナイブベイズ法 (Naive Bayes) が10倍のクロスバリデーション解析でそれぞれ86.5, 76, 72.7の分類精度を得た。
論文 参考訳（メタデータ） (2021-04-12T07:04:11Z) - Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing
Parkinson's Disease Motor Severity [39.51722822896373]
パーキンソン病(英: Parkinson's disease、PD)は、運動機能に影響を及ぼす進行性神経疾患である。
PD障害の身体的重症度は、運動障害学会統一パーキンソン病評価尺度によって定量化することができる。
MDS-UPDRSの歩行スコアに基づいて、個人が撮影する非侵襲的な映像を観察し、3次元の身体骨格を抽出し、時間を通して追跡し、運動を分類するコンピュータビジョンベースモデルを提案する。
論文 参考訳（メタデータ） (2020-07-17T11:49:30Z) - 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) - 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)
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。