論文の概要: Explainable Metrics for the Assessment of Neurodegenerative Diseases through Handwriting Analysis
- arxiv url: http://arxiv.org/abs/2409.08303v1
- Date: Tue, 10 Sep 2024 20:04:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-16 18:46:54.808999
- Title: Explainable Metrics for the Assessment of Neurodegenerative Diseases through Handwriting Analysis
- Title（参考訳）: 手書き解析による神経変性疾患評価のための説明可能な指標
- Authors: Thomas Thebaud, Anna Favaro, Casey Chen, Gabrielle Chavez, Laureano Moro-Velazquez, Ankur Butala, Najim Dehak,
- Abstract要約: 運動変化はパーキンソン病(PD)やアルツハイマー病(AD)などの神経変性疾患の早期徴候である
本研究では,デジタルタブレット上で複数のタスクを行う113人の被験者の筆跡信号から抽出した,幅広い説明可能なメトリクスの挙動について検討する。
- 参考スコア（独自算出の注目度）: 16.133954411873564
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Motor changes are early signs of neurodegenerative diseases (NDs) such as Parkinson's disease (PD) and Alzheimer's disease (AD), but are often difficult to detect, especially in the early stages. In this work, we examine the behavior of a wide array of explainable metrics extracted from the handwriting signals of 113 subjects performing multiple tasks on a digital tablet. The aim is to measure their effectiveness in characterizing and assessing multiple NDs, including AD and PD. To this end, task-agnostic and task-specific metrics are extracted from 14 distinct tasks. Subsequently, through statistical analysis and a series of classification experiments, we investigate which metrics provide greater discriminative power between NDs and healthy controls and among different NDs. Preliminary results indicate that the various tasks at hand can all be effectively leveraged to distinguish between the considered set of NDs, specifically by measuring the stability, the speed of writing, the time spent not writing, and the pressure variations between groups from our handcrafted explainable metrics, which shows p-values lower than 0.0001 for multiple tasks. Using various classification algorithms on the computed metrics, we obtain up to 87% accuracy to discriminate AD and healthy controls (CTL), and up to 69% for PD vs CTL.
- Abstract（参考訳）: 運動の変化は、パーキンソン病(PD)やアルツハイマー病(AD)のような神経変性疾患(ND)の初期の兆候であるが、特に初期の段階では検出が困難であることが多い。
本研究では,デジタルタブレット上で複数のタスクを行う113人の被験者の筆跡信号から抽出した,幅広い説明可能なメトリクスの挙動について検討する。
目的はADやPDを含む複数のNDの特徴付けと評価における有効性を評価することである。
この目的のために、タスクに依存しないメトリクスとタスク固有のメトリクスを14の異なるタスクから抽出する。
その後、統計分析と一連の分類実験を通じて、NDと健康管理、および異なるND間の識別力を高める指標について検討する。
予備的な結果から, 各種タスクを効果的に活用して, 検討されたNDの集合を識別できることが示唆された。特に, 安定度, 書込み速度, 書込みに要しない時間, および手作業による説明可能な指標からの群間の圧力変動を測定することで, 複数のタスクに対するp値が0.0001未満であることが示唆された。
各種分類アルゴリズムを用いて,ADと健康制御(CTL)の識別精度を最大87%,PD対CTLでは最大69%とした。
関連論文リスト
- Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。
我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。
本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-22T02:06:05Z) - Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - 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) - Subgroup discovery of Parkinson's Disease by utilizing a multi-modal
smart device system [63.20765930558542]
われわれはスマートウォッチとスマートフォンを使って、PD患者、DD、HCを含む504人の参加者のマルチモーダルデータを収集した。
様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
論文 参考訳（メタデータ） (2022-05-12T08:59:57Z) - A machine learning-based severity prediction tool for diabetic
sensorimotor polyneuropathy using Michigan neuropathy screening
instrumentations [0.0]
糖尿病性感作性ポリニューロパチー(DSPN)は、糖尿病患者において、痛み性ニューロパチー、足の潰瘍、切断を伴う主要な長期合併症である。
ミシガン神経障害スクリーニング装置(MNSI)は、DSPNの最も一般的なスクリーニング手法の1つであるが、直接重度評価システムを提供していない。
MNSIのDSPN重症度評価システムを設計・モデル化するために、糖尿病インターベンションと合併症の疫学から19年間のデータを用いた。
論文 参考訳（メタデータ） (2022-03-28T23:56:51Z) - Explainable Identification of Dementia from Transcripts using
Transformer Networks [0.0]
アルツハイマー病(英語: Alzheimer's disease, AD)は、認知症の主要な原因であり、記憶喪失を伴い、時間通りに診断されない場合の日常生活に深刻な結果をもたらす可能性がある。
本稿では,2つのマルチタスク学習モデルを紹介し,主課題は認知症(バイナリ分類)の同定であり,補助課題は認知症の重症度(マルチクラス分類)の同定に対応する。
マルチタスク学習環境におけるAD患者検出の精度は84.99%である。
論文 参考訳（メタデータ） (2021-09-14T21:49:05Z) - Sequence-based Dynamic Handwriting Analysis for Parkinson's Disease
Detection with One-dimensional Convolutions and BiGRUs [5.936804438746453]
パーキンソン病(PD)は、ブラジキネシアアキネシア、剛性、震えなどのいくつかの運動症状を特徴とする。
患者の運動制御、特に手書き動作の分析は、PDアセスメントを支援する強力なツールである。
本論文では,一方向畳み込みとBiGated Recurrent Units (GRUs)に基づく新しい分類モデルを提案する。
論文 参考訳（メタデータ） (2021-01-23T09:25:13Z) - 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) - 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) - NADS: Neural Architecture Distribution Search for Uncertainty Awareness [79.18710225716791]
機械学習(ML)システムは、トレーニングデータとは異なるディストリビューションから来るテストデータを扱う場合、しばしばOoD(Out-of-Distribution)エラーに遭遇する。
既存のOoD検出アプローチはエラーを起こしやすく、時にはOoDサンプルに高い確率を割り当てることもある。
本稿では,すべての不確実性を考慮したアーキテクチャの共通構築ブロックを特定するために,ニューラルアーキテクチャ分布探索(NADS)を提案する。
論文 参考訳（メタデータ） (2020-06-11T17:39:07Z) - 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。