論文の概要: Parkinson's Disease Diagnosis Through Deep Learning: A Novel LSTM-Based Approach for Freezing of Gait Detection

• arxiv url: http://arxiv.org/abs/2412.06709v1
• Date: Mon, 09 Dec 2024 17:58:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:57:27.751525
• Title: Parkinson's Disease Diagnosis Through Deep Learning: A Novel LSTM-Based Approach for Freezing of Gait Detection
• Title（参考訳）: 深層学習によるパーキンソン病診断 : 歩行検出の凍結のためのLSTMに基づく新しいアプローチ
• Authors: Aqib Nazir Mir, Iqra Nissar, Mumtaz Ahmed, Sarfaraz Masood, Danish Raza Rizvi,
• Abstract要約: 本稿では,パーキンソン病患者の歩行エピソードの凍結を自動的に検出するLSTMネットワークに基づく新しいディープラーニングアーキテクチャを提案する。 提案手法は, FOG エピソード検出における現在の最先端モデルを超え, 精度97.71%, 精度98%, 特異性96%を達成している。
• 参考スコア（独自算出の注目度）: 1.7581090221681177
• License:
• Abstract: Deep learning holds tremendous potential in healthcare for uncovering hidden patterns within extensive clinical datasets, aiding in the diagnosis of various diseases. Parkinson's disease (PD) is a neurodegenerative condition characterized by the deterioration of brain function. In the initial stages of PD, automatic diagnosis poses a challenge due to the similarity in behavior between individuals with PD and those who are healthy. Our objective is to propose an effective model that can aid in the early detection of Parkinson's disease. We employed the VGRF gait signal dataset sourced from Physionet for distinguishing between healthy individuals and those diagnosed with Parkinson's disease. This paper introduces a novel deep learning architecture based on the LSTM network for automatically detecting freezing of gait episodes in Parkinson's disease patients. In contrast to conventional machine learning algorithms, this method eliminates manual feature engineering and proficiently captures prolonged temporal dependencies in gait patterns, thereby improving the diagnosis of Parkinson's disease. The LSTM network resolves the issue of vanishing gradients by employing memory blocks in place of self-connected hidden units, allowing for optimal information assimilation. To prevent overfitting, dropout and L2 regularization techniques have been employed. Additionally, the stochastic gradient-based optimizer Adam is used for the optimization process. The results indicate that our proposed approach surpasses current state-of-the-art models in FOG episode detection, achieving an accuracy of 97.71%, sensitivity of 99%, precision of 98%, and specificity of 96%. This demonstrates its potential as a superior classification method for Parkinson's disease detection.
• Abstract（参考訳）: 深層学習は、様々な疾患の診断を支援するために、広範囲の臨床データセットに隠されたパターンを発見できる医療において、大きな可能性を秘めている。 パーキンソン病(英: Parkinson's disease、PD)は、脳機能の低下を特徴とする神経変性疾患である。 PDの初期段階では、PD患者と健康な人の行動が類似していることから、自動診断が課題となる。 本研究の目的は,パーキンソン病の早期発見を支援する有効なモデルを提案することである。 健常人とパーキンソン病とを鑑別するために,Phyloonet由来のVGRF歩行信号データセットを用いた。 本稿では,パーキンソン病患者の歩行エピソードの凍結を自動的に検出するLSTMネットワークに基づく新しいディープラーニングアーキテクチャを提案する。 従来の機械学習アルゴリズムとは対照的に、この手法は手動の特徴工学を排除し、歩行パターンにおける長時間の時間的依存関係を適切にキャプチャし、パーキンソン病の診断を改善する。 LSTMネットワークは、自己接続型隠れユニットの代わりにメモリブロックを用いることで、勾配の消失を解消し、最適な情報同化を可能にする。 オーバーフィッティングを防ぐため、ドロップアウトとL2正規化技術が採用されている。 さらに、確率勾配に基づく最適化器Adamが最適化プロセスに使用される。 提案手法は, FOG エピソード検出における現在の最先端モデルを超え, 精度97.71%, 感度99%, 精度98%, 特異性96%を達成している。 このことは、パーキンソン病検出の優れた分類方法としての可能性を示している。

関連論文リスト

• Determining the severity of Parkinson's disease in patients using a multi task neural network [0.7499722271664147]
  パーキンソン病は進行すると容易に診断できるが、早期の診断は困難である。 本研究では,音声分析から容易に抽出できる変数の集合を解析する。 99.15%の成功率は、パーキンソン病またはパーキンソン病以外の重度のパーキンソン病に罹患しているかどうかを予測する問題で達成されている。
  論文  参考訳（メタデータ） (2024-02-08T08:55:34Z)
• Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
  パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。 パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。 進行の段階を特定するために設計されたAIツールは存在しない。
  論文  参考訳（メタデータ） (2023-12-28T10:30:54Z)
• DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
  より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。 The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
  論文  参考訳（メタデータ） (2023-12-02T22:57:25Z)
• Parkinson's Disease Detection through Vocal Biomarkers and Advanced Machine Learning Algorithms [0.0]
  本研究は早期疾患予測の手段として, PD患者の声質変化の可能性について検討した。 XGBoost、LightGBM、Baging、AdaBoost、Support Vector Machineなど、さまざまな高度な機械学習アルゴリズムを活用する。 LightGBMは、100%の感度と94.43%の特異性を示し、他の機械学習アルゴリズムの精度とAUCスコアを上回った。
  論文  参考訳（メタデータ） (2023-11-09T15:21:10Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Diagnosis of Parkinson's Disease Based on Voice Signals Using SHAP and Hard Voting Ensemble Method [0.0]
  パーキンソン病(英: Parkinson's disease、PD)は、アルツハイマー病に次いで2番目に多い進行性神経疾患である。 PDは典型的には、DATSCANやSPECTのような運動症状または他の神経画像技術を用いて識別される。 これらの方法は高価で、時間がかかり、一般大衆には利用できない。
  論文  参考訳（メタデータ） (2022-10-03T19:45:22Z)
• 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)
• An Explainable Machine Learning Model for Early Detection of Parkinson's Disease using LIME on DaTscan Imagery [0.0]
  パーキンソン病(英: Parkinson's disease、PD)は、神経疾患である。 早期診断は患者の治療を改善することができ、SPECT DaTscanのようなドーパミン作動性イメージング技術によって行われる。 本研究では,任意のDaTscanをパーキンソン病の有無を正確に分類する機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2020-08-01T10:44:03Z)
• 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)
• 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。