論文の概要: Evaluation of handwriting kinematics and pressure for differential diagnosis of Parkinson's disease
- arxiv url: http://arxiv.org/abs/2411.03044v1
- Date: Tue, 05 Nov 2024 12:27:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-06 14:59:41.085956
- Title: Evaluation of handwriting kinematics and pressure for differential diagnosis of Parkinson's disease
- Title（参考訳）: パーキンソン病の鑑別診断における手書きキネマティクスと圧力の評価
- Authors: Peter Drotár, Jiří Mekyska, Irena Rektorová, Lucia Masarová, Zdeněk Smékal, Marcos Faundez-Zanuy,
- Abstract要約: PaHaW Parkinson病手書きデータベースには、パーキンソン病(PD)患者の手書きサンプルと健康管理が含まれている。
PDの鑑別診断には手書きのキネマティックな特徴と圧力的特徴が有用である。
- 参考スコア（独自算出の注目度）: 0.3806074545662052
- License:
- Abstract: Objective: We present the PaHaW Parkinson's disease handwriting database, consisting of handwriting samples from Parkinson's disease (PD) patients and healthy controls. Our goal is to show that kinematic features and pressure features in handwriting can be used for the differential diagnosis of PD. Methods and Material: The database contains records from 37 PD patients and 38 healthy controls performing eight different handwriting tasks. The tasks include drawing an Archimedean spiral, repetitively writing orthographically simple syllables and words, and writing of a sentence. In addition to the conventional kinematic features related to the dynamics of handwriting, we investigated new pressure features based on the pressure exerted on the writing surface. To discriminate between PD patients and healthy subjects, three different classifiers were compared: K-nearest neighbors (K-NN), ensemble AdaBoost classifier, and support vector machines (SVM). Results: For predicting PD based on kinematic and pressure features of handwriting, the best performing model was SVM with classification accuracy of Pacc = 81.3% (sensitivity Psen = 87.4% and specificity of Pspe = 80.9%). When evaluated separately, pressure features proved to be relevant for PD diagnosis, yielding Pacc = 82.5% compared to Pacc = 75.4% using kinematic features. Conclusion: Experimental results showed that an analysis of kinematic and pressure features during handwriting can help assess subtle characteristics of handwriting and discriminate between PD patients and healthy controls.
- Abstract（参考訳）: 目的: パーキンソン病(PD)患者の手書きサンプルと健常者によるPaHaW Parkinson病手書きデータベースを提示する。
本研究の目的は,手書き文字の運動学的特徴と圧力特徴がPDの鑑別診断に有効であることを示すことである。
方法と資料: このデータベースには、37人のPD患者と38人の健康的なコントロール8種類の手書き作業の記録が含まれている。
タスクには、アルキメデスのスパイラルを描くこと、正書法的に単純な音節と単語を反復的に書くこと、文章を書くことが含まれる。
筆跡の力学に係わる従来のキネマティックな特徴に加えて,筆跡面に作用する圧力にもとづく新しい圧力特性について検討した。
PD患者と健常者を識別するために,K-nearest neighbors (K-NN), アンサンブルAdaBoost classifier, サポートベクターマシン (SVM) の3種類の分類器を比較した。
結果:手書きのキネマティック・圧力特性に基づくPD予測では,Pacc = 81.3%(感度Psen = 87.4%,特異性Pspe = 80.9%)の分類精度を持つSVMが最適であった。
別々に評価すると、血圧はPD診断に関係があることが判明し、Pacc = 82.5%、Pacc = 75.4%である。
結語:手書き時の運動・圧力特性の分析は,手書きの微妙な特徴の評価に役立ち,PD患者と健常者の識別に有効であることが示された。
関連論文リスト
- Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - The Relationship Between Speech Features Changes When You Get Depressed:
Feature Correlations for Improving Speed and Performance of Depression
Detection [69.88072583383085]
この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。
このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
論文 参考訳（メタデータ） (2023-07-06T09:54:35Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳（メタデータ） (2023-02-05T22:33:49Z) - Prodromal Diagnosis of Lewy Body Diseases Based on the Assessment of
Graphomotor and Handwriting Difficulties [0.0]
我々は,各タスクの分類モデルと組み合わせのモデルとを別々に訓練し,LBDの識別のための特徴の予測能力を推定した。
74%の精度でプロドロマ性LBDを同定し,コンピュータ化目的および非侵襲的LBD診断の可能性を示した。
論文 参考訳（メタデータ） (2023-01-20T12:30:28Z) - Exploration of Various Fractional Order Derivatives in Parkinson's
Disease Dysgraphia Analysis [0.0]
パーキンソン病(英: Parkinson's disease、PD)は、65歳以上の人の有病率は2.0%と推定される一般的な神経変性疾患である。
近年の研究では、分数計算理論がグラフモタ障害解析の改善に有効であることが確認されている。
論文 参考訳（メタデータ） (2023-01-20T12:18:05Z) - Contribution of Different Handwriting Modalities to Differential
Diagnosis of Parkinson's Disease [0.0]
本稿では,パーキンソン病の診断における筆跡の相違点について検討する。
また, パーキンソン病の診断に関係した情報も, 空気圧と空気中運動に有意な関連があることが示唆された。
論文 参考訳（メタデータ） (2022-03-18T10:51:37Z) - NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価
本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。
イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
論文 参考訳（メタデータ） (2021-02-10T13:00:29Z) - 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) - Learning-based Computer-aided Prescription Model for Parkinson's
Disease: A Data-driven Perspective [61.70045118068213]
我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。
そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。
新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
論文 参考訳（メタデータ） (2020-07-31T14:34:35Z) - Analysis and Evaluation of Handwriting in Patients with Parkinson's
Disease Using kinematic, Geometrical, and Non-linear Features [0.0]
手書き分析は、診断を支援し、パーキンソン病の進行をモニタリングするのに役立ちます。
本稿では,パーキンソン病にともなう手書き障害をモデル化するための特徴群の重要性を評価することを目的とする。
論文 参考訳（メタデータ） (2020-02-13T09:54:41Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。