論文の概要: Wearable-Based Real-time Freezing of Gait Detection in Parkinson's Disease Using Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2410.20715v1
• Date: Tue, 08 Oct 2024 00:02:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-03 08:52:21.158186
• Title: Wearable-Based Real-time Freezing of Gait Detection in Parkinson's Disease Using Self-Supervised Learning
• Title（参考訳）: 自己監督学習を用いたパーキンソン病における歩行検出のウェアラブルによるリアルタイム凍結
• Authors: Shovito Barua Soumma, Kartik Mangipudi, Daniel Peterson, Shyamal Mehta, Hassan Ghasemzadeh,
• Abstract要約: LIFT-PDは、パーキンソン病(PD)患者の歩行凍結(FoG)のリアルタイム検出のために開発された、革新的な自己教師型学習フレームワークである。 トレーニング中に不均衡なデータに対処するために差分ホッピングウィンドウ技術(DHWT)を適用することで、大きなラベル付きデータセットへの依存を最小限に抑える。
• 参考スコア（独自算出の注目度）: 6.466206145151128
• License:
• Abstract: LIFT-PD is an innovative self-supervised learning framework developed for real-time detection of Freezing of Gait (FoG) in Parkinson's Disease (PD) patients, using a single triaxial accelerometer. It minimizes the reliance on large labeled datasets by applying a Differential Hopping Windowing Technique (DHWT) to address imbalanced data during training. Additionally, an Opportunistic Inference Module is used to reduce energy consumption by activating the model only during active movement periods. Extensive testing on publicly available datasets showed that LIFT-PD improved precision by 7.25% and accuracy by 4.4% compared to supervised models, while using 40% fewer labeled samples and reducing inference time by 67%. These findings make LIFT-PD a highly practical and energy-efficient solution for continuous, in-home monitoring of PD patients.
• Abstract（参考訳）: LIFT-PDは、パーキンソン病(PD)患者の歩行凍結(FoG)をリアルタイムに検出するために開発された革新的な自己教師型学習フレームワークである。 トレーニング中に不均衡なデータに対処するために差分ホッピングウィンドウ技術(DHWT)を適用することで、大きなラベル付きデータセットへの依存を最小限に抑える。 さらに、オポチュニティ推論モジュールは、アクティブな動作期間にのみモデルを活性化することにより、エネルギー消費を減らすために使用される。 公開データセットの大規模なテストの結果、LIFT-PDは教師付きモデルと比較して精度を7.25%改善し、精度は4.4%向上した。 これらの結果から, LIFT-PD は PD 患者の連続的, 家庭内モニタリングのための, 実用的, エネルギー効率の高いソリューションとなった。

関連論文リスト

• Self-Supervised Learning and Opportunistic Inference for Continuous Monitoring of Freezing of Gait in Parkinson's Disease [6.466206145151128]
  パーキンソン病(英: Parkinson's disease、PD)は、生命の質に大きな影響を与える進行性神経疾患である。 既存の症状モニタリング技術はパワーハングリーであり、大量のラベル付きデータに依存し、制御された設定で運用されている。 本研究は,リアルタイムFoG検出のための計算効率の高い自己教師型学習フレームワークLIFT-PDを提案する。
  論文  参考訳（メタデータ） (2024-10-27T03:47:18Z)
• Synthesizing Multimodal Electronic Health Records via Predictive Diffusion Models [69.06149482021071]
  EHRPDと呼ばれる新しいEHRデータ生成モデルを提案する。 時間間隔推定を組み込んだ拡散モデルである。 我々は2つの公開データセットで実験を行い、忠実さ、プライバシー、実用性の観点からEPHPDを評価する。
  論文  参考訳（メタデータ） (2024-06-20T02:20:23Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• PULSAR: Graph based Positive Unlabeled Learning with Multi Stream Adaptive Convolutions for Parkinson's Disease Recognition [1.9482539692051932]
  パーキンソン病(英: Parkinsons disease、PD)は、運動、発話、協調に影響を及ぼす神経変性疾患である。 本稿では,ウェブカメラで記録した指タップのビデオからPDをスクリーニングする新しい手法PULSARを提案する。 適応型グラフ畳み込みニューラルネットワークを用いて,指触りタスクに特有の時間グラフを動的に学習した。
  論文  参考訳（メタデータ） (2023-12-10T05:56:20Z)
• Multimodal Indoor Localisation in Parkinson's Disease for Detecting Medication Use: Observational Pilot Study in a Free-Living Setting [2.1726452647707792]
  パーキンソン病(英: Parkinson's disease、PD)は、歩行障害を含む運動障害を引き起こす徐々に進行する神経変性疾患である。 運動ゆらぎ(英: motor fluctuations)とは、レボドーパ療法(オン)に陽性反応を示す期間と、薬効が低下するにつれてPD症状(オフ)が再発する期間の間の変化である。 これらの変動はしばしば歩行速度に影響し、PDが進行するにつれてその不安定な影響が増大する。 室内歩行速度の特徴を含む屋内局地化が、PD患者がレボドーパ薬を服用しているか、あるいは保留しているかを検知することにより、運動変動の評価に有効であるかどうかを評価することを目的とする。
  論文  参考訳（メタデータ） (2023-08-03T08:55:21Z)
• Time Series Classification for Detecting Parkinson's Disease from Wrist Motions [4.1125736844411644]
  InceptionTimeとRandOm Convolutional KErnel Transformをパーキンソン病症状モニタリングに有効であるとして検討した。 InceptionTimeの高学習能力は複雑な動きパターンをモデル化するのに適しており、ROCKETは小さなデータセットに適している。 ROCKETはジスキネジアの同定において優れた性能を示すが、InceptionTimeは振れやブラジキネシアの検出においてわずかに優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-21T22:38:44Z)
• Machine Learning-Based Detection of Parkinson's Disease From Resting-State EEG: A Multi-Center Study [0.125828876338076]
  安静時脳波(rs-EEG)はパーキンソン病(PD)の診断に有効である。 本研究では,異なるセンターで得られた4つのデータセットから,84 PDのRS-EEG記録と85 PDの非PD被験者をプールした。 本稿では,プリプロセッシング,臨床的に検証された周波数帯域からのPSD特徴抽出,特徴選択によるエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-03-02T16:19:24Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• 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)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)
• 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)

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。