論文の概要: A quantum inspired predictor of Parkinsons disease built on a diverse, multimodal dataset

• arxiv url: http://arxiv.org/abs/2411.18640v1
• Date: Mon, 25 Nov 2024 18:29:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-02 15:18:45.788167
• Title: A quantum inspired predictor of Parkinsons disease built on a diverse, multimodal dataset
• Title（参考訳）: 多様なマルチモーダルデータセット上に構築されたパーキンソン病の量子インスピレーションによる予測
• Authors: Diya Vatsavai, Anya Iyer, Ashwin A. Nair,
• Abstract要約: 世界最速の神経変性疾患であるパーキンソン病は、わずか2年で50%増加した。 我々のモデルは90%の精度、AUCは0.98の精度でベンチマークモデルを上回っている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Parkinsons disease, the fastest growing neurodegenerative disorder globally, has seen a 50 percent increase in cases within just two years. As speech, memory, and motor symptoms worsen over time, early diagnosis is crucial for preserving patients quality of life. While machine-learning-based detection has shown promise, relying on a single feature for classification can be error-prone due to the variability of symptoms between patients. To address this limitation we utilized the mPower database, which includes 150,000 samples across four key biomarkers: voice, gait, tapping, and demographic data. From these measurements, we extracted 64 features and trained a baseline Random Forest model to select the features above the 80th percentile. For classification, we designed a simulatable quantum support vector machine (qSVM) that detects high-dimensional patterns, leveraging recent advancements in quantum machine learning. With a novel, simulatable architecture that can be run on standard hardware rather than resource-intensive quantum computers, our model achieves an accuracy of 90 percent and an AUC of 0.98, surpassing benchmark models. By utilizing an innovative classification framework built on a diverse set of features, our model offers a pathway for accessible global Parkinsons screening.
• Abstract（参考訳）: 世界最速の神経変性疾患であるパーキンソン病は、わずか2年で50%増加した。 音声、記憶、運動の症状が時間とともに悪化するにつれて、早期診断は患者の生活の質を維持するために不可欠である。 機械学習に基づく検出は将来性を示しているが、患者間の症状のばらつきにより、分類のための単一の特徴に依存するとエラーが発生しやすい。 この制限に対処するために、mPowerデータベースを使用しました。このデータベースには、音声、歩行、タップ、人口統計データという4つの主要なバイオマーカーの15万のサンプルが含まれています。 これらの測定結果から,64個の特徴を抽出し,ベースラインのランダムフォレストモデルを用いて80分の1以上の特徴を抽出した。 量子機械学習の最近の進歩を活用し,高次元パターンを検出する量子支援ベクトルマシン(qSVM)を設計した。 リソース集約型量子コンピュータではなく,標準的なハードウェア上で動作可能な,新しいシミュラブルアーキテクチャにより,ベンチマークモデルを上回る精度90%,AUC 0.98を実現した。 多様な特徴セットに基づいて構築された革新的な分類フレームワークを利用することで、我々のモデルはグローバルなパーキンソンズスクリーニングの経路を提供する。

関連論文リスト

• 1D-Convolutional transformer for Parkinson disease diagnosis from gait [7.213855322671065]
  本稿では,歩行からパーキンソン病の診断に有効なディープニューラルネットワークモデルを提案する。 本稿では,重症度を検知し,病状を正確に診断するためのハイブリッドConvNetTransform-erアーキテクチャを提案する。 提案手法は歩行データからパーキンソン病の異なる段階を検出するのに有効であることが示された。
  論文  参考訳（メタデータ） (2023-11-06T15:17:17Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Implementing a Hybrid Quantum-Classical Neural Network by Utilizing a Variational Quantum Circuit for Detection of Dementia [0.0]
  2019年にアルツハイマー病の患者3人に1人近くが誤診され、ニューラルネットワークの問題が修正される可能性がある。 この研究により、提案されたハイブリッド量子古典畳み込みニューラルネットワーク(QCCNN)は97.5%と95.1%のテストおよび検証精度を提供することがわかった。 QCCNNはCNNの89%と91%と比較して95%と98%の画像を正しく検出した。
  論文  参考訳（メタデータ） (2023-01-29T18:05:42Z)
• A Meta-GNN approach to personalized seizure detection and classification [53.906130332172324]
  本稿では,特定の患者に限られた発作サンプルから迅速に適応できるパーソナライズされた発作検出・分類フレームワークを提案する。 トレーニング患者の集合からグローバルモデルを学ぶメタGNNベースの分類器を訓練する。 本手法は, 未確認患者20回に限って, 精度82.7%, F1スコア82.08%を達成し, ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2022-11-01T14:12:58Z)
• Predicting Intensive Care Unit Length of Stay and Mortality Using Patient Vital Signs: Machine Learning Model Development and Validation [0.22940141855172028]
  モデルは、インテリジェントな遠隔患者監視フレームワークのインテリジェントなicu患者監視モジュールで使用される。 集中治療(mimic)データベースのための公開医療情報マートを用いて,成人患者に対するicu滞在データを抽出した。 死亡率モデルに6mlアルゴリズムを適用して退院状況(生存の有無)の予測を行った。 滞在モデルの長さについて,2.64日間の中央値のICU滞在率を用いて,同じ6つのMLアルゴリズムをバイナリ分類に適用した。
  論文  参考訳（メタデータ） (2021-05-05T18:45:26Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Dementia Prediction Applying Variational Quantum Classifier [0.0]
  認知症は世界中で5番目の死因であり、毎年1000万人の新規感染者が死亡している。 量子機械学習(QML)技術に関する最近の研究は、既存の機械学習モデルのトレーニングプロセスを加速するのに有用な様々なアプローチを発見した。 特に,IBMのフレームワークであるQiskitで実装された変分量子分類(VQC)を使うことで,高齢者の認知症を予測できることがわかった。
  論文  参考訳（メタデータ） (2020-07-14T22:47:12Z)
• 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。