論文の概要: Improvement of Performance in Freezing of Gait detection in Parkinsons Disease using Transformer networks and a single waist worn triaxial accelerometer

• arxiv url: http://arxiv.org/abs/2404.03704v1
• Date: Thu, 4 Apr 2024 09:02:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-08 17:45:28.738535
• Title: Improvement of Performance in Freezing of Gait detection in Parkinsons Disease using Transformer networks and a single waist worn triaxial accelerometer
• Title（参考訳）: トランスフォーマーネットワークと単腰装着三軸加速度計を用いたパーキンソン病における歩行検出の凍結性能の改善
• Authors: Luis Sigcha, Luigi Borzì, Ignacio Pavón, Nélson Costa, Susana Costa, Pedro Arezes, Juan-Manuel López, Guillermo De Arcas,
• Abstract要約: 歩行の凍結(FOG)はパーキンソン病の最も無力な症状の1つである。 本稿では、トランスフォーマーと畳み込みネットワークに基づく新しい分類アルゴリズムと、単体回転三軸加速度計を用いた自動FOG検出の進歩について述べる。
• 参考スコア（独自算出の注目度）: 1.5809770996457706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Freezing of gait (FOG) is one of the most incapacitating symptoms in Parkinsons disease, affecting more than 50 percent of patients in advanced stages of the disease. The presence of FOG may lead to falls and a loss of independence with a consequent reduction in the quality of life. Wearable technology and artificial intelligence have been used for automatic FOG detection to optimize monitoring. However, differences between laboratory and daily-life conditions present challenges for the implementation of reliable detection systems. Consequently, improvement of FOG detection methods remains important to provide accurate monitoring mechanisms intended for free-living and real-time use. This paper presents advances in automatic FOG detection using a single body-worn triaxial accelerometer and a novel classification algorithm based on Transformers and convolutional networks. This study was performed with data from 21 patients who manifested FOG episodes while performing activities of daily living in a home setting. Results indicate that the proposed FOG-Transformer can bring a significant improvement in FOG detection using leave-one-subject-out cross-validation (LOSO CV). These results bring opportunities for the implementation of accurate monitoring systems for use in ambulatory or home settings.
• Abstract（参考訳）: 歩行の凍結(FOG)はパーキンソン病の最も無力な症状の1つであり、進行期の患者の50%以上に影響を及ぼす。 FOGの存在は、人生の質の低下とともに、転倒と独立の喪失につながる可能性がある。 ウェアラブル技術と人工知能は、監視の最適化のためにFOGの自動検出に使われてきた。 しかし, 実験室と日常生活環境の違いは, 信頼性の高い検知システムの実現に課題を呈している。 その結果, FOG検出法の改良は, フリーライフおよびリアルタイム利用を目的とした正確なモニタリング機構を提供する上で, 依然として重要である。 本稿では、トランスフォーマーと畳み込みネットワークに基づく新しい分類アルゴリズムと、単体回転三軸加速度計を用いた自動FOG検出の進歩について述べる。 本研究は,在宅での日常生活活動中にFOGを発症した21人の患者から得られたデータを用いて行った。 その結果,提案するFOGトランスフォーマーは,LOSO CVを用いたFOG検出の大幅な改善をもたらす可能性が示唆された。 これらの結果から, 正確なモニタリングシステムの実現が期待できる。

関連論文リスト

• Freezing of Gait Detection Using Gramian Angular Fields and Federated Learning from Wearable Sensors [6.369424231505372]
  歩行凍結はパーキンソン病(PD)の不安定な症状である 従来の検出法は、患者内および患者間変動による課題に直面している。 FOGSenseは、制御不能で自由な環境のために設計された新しいFOG検出システムである。
  論文  参考訳（メタデータ） (2024-11-18T17:43:43Z)
• Seamless Monitoring of Stress Levels Leveraging a Universal Model for Time Sequences [4.308104021015939]
  本稿では,時系列の普遍モデルUniTSに基づくスマートウォッチからのストレス検出手法を提案する。 提案モデルが3つのベンチマークデータセット上での上位12の手法をかなり上回っていることを示す。
  論文  参考訳（メタデータ） (2024-07-04T10:46:09Z)
• Noninvasive Acute Compartment Syndrome Diagnosis Using Random Forest Machine Learning [0.0]
  急性コンパートメント症候群(英: acute compartment syndrome、ACS)は、筋コンパートメント内の圧力上昇によって引き起こされる整形外科疾患である。 本研究では,ACSの客観的,非侵襲的診断法を提案する。 このデバイスは、皮膚に置かれる力感受性抵抗体(FSR)からの代理圧力読み取りを利用するランダムフォレスト機械学習モデルを介してACSを検出する。
  論文  参考訳（メタデータ） (2024-01-18T21:49:04Z)
• TSViT: A Time Series Vision Transformer for Fault Diagnosis [2.710064390178205]
  本稿では,効率的な故障診断のための時系列ビジョン変換器(TSViT)を提案する。 TSViTは畳み込み層を組み込み、振動信号から局所的な特徴を抽出する。 TSViTは2つのテストセットで前例のない平均精度を達成し、もう1つのテストセットで99.99%を達成している。
  論文  参考訳（メタデータ） (2023-11-12T18:16:48Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Freezing of Gait Prediction From Accelerometer Data Using a Simple 1D-Convolutional Neural Network -- 8th Place Solution for Kaggle's Parkinson's Freezing of Gait Prediction Competition [0.0]
  パーキンソン病(PD)患者における歩行凍結(FOG)は一般的な運動症状である 本研究では,加速度センサデータからFOGイベントを検出するための,単純な1次元畳み込みニューラルネットワークを提案する。 モデルがパーキンソンズ・フリーズ・オブ・ゲイト予測大会で1379チーム中8位にランクインした。
  論文  参考訳（メタデータ） (2023-07-07T09:28:04Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• 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)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。