論文の概要: Automated Romberg Test: Leveraging a CNN and Centre of Mass Analysis for Sensory Ataxia Diagnosis

• arxiv url: http://arxiv.org/abs/2408.06354v1
• Date: Thu, 25 Jul 2024 08:30:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-19 03:57:10.751771
• Title: Automated Romberg Test: Leveraging a CNN and Centre of Mass Analysis for Sensory Ataxia Diagnosis
• Title（参考訳）: Romberg自動検査:CNNの活用と感覚失調症診断のための質量分析センター
• Authors: Reilly Haskins, Richard Green,
• Abstract要約: 本稿では,ロームバーグ自動検査により感覚失調症を診断する新しい手法を提案する。 畳み込みニューラルネットワークを用いて関節位置を予測し、様々な生体力学的マーカーの計算に使用される。 計算された相対重量分布差の平均絶対誤差は0.2912%であり、診断では83.33パーセントの精度が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a novel method to diagnose sensory ataxia via an automated Romberg Test - the current de facto medical procedure used to diagnose this condition. It utilizes a convolutional neural network to predict joint locations, used for the calculation of various bio-mechanical markers such as the center of mass of the subject and various joint angles. This information is used in combination with data filtering techniques such as Kalman Filters, and center of mass analysis which helped make accurate inferences about the relative weight distribution in the lateral and anterior-posterior axes, and provide an objective, mathematically based diagnosis of this condition. In order to evaluate the performance of this method, testing was performed using dual weight scales and pre-annotated diagnosis videos taken from medical settings. These two methods both quantified the veritable weight distribution upon the ground surface with a ground truth and provided a real-world estimate of accuracy for the proposed method. A mean absolute error of 0.2912 percent was found for the calculated relative weight distribution difference, and an accuracy of 83.33 percent was achieved on diagnoses.
• Abstract（参考訳）: 本稿では,ロムベルグ自動検査を用いて感覚失調症を診断する新しい方法を提案する。 畳み込みニューラルネットワークを用いて関節位置を予測し、被験者の質量の中心や様々な関節角度などの生体力学的マーカーの計算に使用される。 この情報は、カルマンフィルタのようなデータフィルタリング技術や、横軸と前方軸の相対重み分布に関する正確な推測を助ける質量分析の中心と組み合わせて用いられる。 本手法の性能を評価するため,医療現場から得られた二重体重計と事前診断ビデオを用いて実験を行った。 これらの2つの手法は, 地表面上の検証可能な重量分布の定量化と, 提案手法の精度評価を行った。 計算された相対重量分布差の平均絶対誤差は0.2912%であり、診断では83.33パーセントの精度が得られた。

関連論文リスト

• Domain Adaptation-based Edge Computing for Cross-Conditions Fault Diagnosis [31.06621257486631]
  本稿では,エッジコンピューティングシナリオを対象としたドメイン適応に基づく軽量故障診断フレームワークを提案する。 クラウドモデルから得られた故障診断の専門知識を適応知識伝達法を用いて軽量エッジモデルに転送する。 診断精度は, 平均34.44%, 17.33%と有意に向上した。
  論文  参考訳（メタデータ） (2024-11-15T16:40:43Z)
• Few-shot learning for COVID-19 Chest X-Ray Classification with Imbalanced Data: An Inter vs. Intra Domain Study [49.5374512525016]
  医療画像データセットは、コンピュータ支援診断、治療計画、医学研究に使用される訓練モデルに不可欠である。 データ分散のばらつき、データの不足、ジェネリックイメージから事前トレーニングされたモデルを使用する場合の転送学習の問題などである。 本稿では,データ不足と分散不均衡の影響を軽減するために,一連の手法を統合したシームズニューラルネットワークに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T16:59:27Z)
• Diagnosing Human-object Interaction Detectors [42.283857276076596]
  本稿では,HOI検出モデルの定量的なブレークダウン解析を行うための診断ツールボックスを提案する。 我々は8つの最先端HOI検出モデルを分析し、今後の研究を促進する貴重な診断洞察を提供する。
  論文  参考訳（メタデータ） (2023-08-16T17:39:15Z)
• An Improved Heart Disease Prediction Using Stacked Ensemble Method [0.9187159782788579]
  機械学習を用いた心疾患予測システムを構築した。 心臓疾患のある人と正常な人とを簡単に区別することができる。
  論文  参考訳（メタデータ） (2023-04-12T17:53:59Z)
• Identifying Suspicious Regions of Covid-19 by Abnormality-Sensitive Activation Mapping [2.009597557771957]
  本稿では, 胸部CT上における新型コロナウイルス(COVID-19)の疑わしい部位の同定を完全自動で行う方法を提案する。 2.5次元CNNと3次元アテンション機構を用いた分類タスクによる識別手法を実現する。 提案されたアーキテクチャはすべてのデータセットに対して0.900以上のAUCを達成し、感度は0.853 pm 0.036$、特異性は0.870 pm 0.040$である。
  論文  参考訳（メタデータ） (2023-03-27T03:22:25Z)
• Xplainer: From X-Ray Observations to Explainable Zero-Shot Diagnosis [36.45569352490318]
  臨床現場でのゼロショット診断のためのフレームワークであるXplainerを紹介した。 Xplainerは、コントラッシブ・ビジョン言語モデルの分類・記述アプローチをマルチラベル診断タスクに適用する。 我々の結果は、Xplainerが意思決定プロセスをより詳細に理解していることを示唆している。
  論文  参考訳（メタデータ） (2023-03-23T16:07:31Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis [37.41181188499616]
  深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。 5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。 The U-Net-based model was developed to identified a clinically relevant region of the CXR。
  論文  参考訳（メタデータ） (2022-10-11T13:30:34Z)
• Post-hoc Interpretability based Parameter Selection for Data Oriented Nuclear Reactor Accident Diagnosis System [0.0]
  本研究では, 深層学習におけるポストホック解釈可能性理論を用いて, 原子力プラントの熱水理パラメータの選択法を提案する。 TRES-CNNに基づく診断モデルは,HPR1000の選択した15のパラメータを用いて,LOCAの破断の位置と大きさを正確に予測する。
  論文  参考訳（メタデータ） (2022-08-03T01:53:11Z)
• Sickle Cell Disease Severity Prediction from Percoll Gradient Images using Graph Convolutional Networks [38.27767684024691]
  シックル細胞病(Sickle cell disease, SCD)は、赤血球の早期破壊を引き起こす重篤な遺伝性ヘモグロビン疾患である。 提案手法は,SCD重大度予測の難問に対する最初の計算手法である。
  論文  参考訳（メタデータ） (2021-09-11T21:09:50Z)
• 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)

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。