Fugu-MT 論文翻訳(概要): Detection and Forecasting of Parkinson Disease Progression from Speech Signal Features Using MultiLayer Perceptron and LSTM

論文の概要: Detection and Forecasting of Parkinson Disease Progression from Speech Signal Features Using MultiLayer Perceptron and LSTM

arxiv url: http://arxiv.org/abs/2412.18248v1
Date: Tue, 24 Dec 2024 08:02:43 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-25 15:55:51.508439
Title: Detection and Forecasting of Parkinson Disease Progression from Speech Signal Features Using MultiLayer Perceptron and LSTM
Title（参考訳）: マルチ層パーセプトロンとLSTMを用いた音声信号特徴からのパーキンソン病進展の検出と予測
Authors: Majid Ali, Hina Shakir, Asia Samreen, Sohaib Ahmed,
Abstract要約: 機械学習技術の応用は、パーキンソン病検出の診断精度の向上に役立つ。パーキンソン病患者の音声信号の診断機能を用いて,長期記憶LSTMを訓練し,疾患の進行を予測した。
参考スコア（独自算出の注目度）: 0.2678472239880052
License:
Abstract: Accurate diagnosis of Parkinson disease, especially in its early stages, can be a challenging task. The application of machine learning techniques helps improve the diagnostic accuracy of Parkinson disease detection but only few studies have presented work towards the prediction of disease progression. In this research work, Long Short Term Memory LSTM was trained using the diagnostic features on Parkinson patients speech signals, to predict the disease progression while a Multilayer Perceptron MLP was trained on the same diagnostic features to detect the disease. Diagnostic features selected using two well-known feature selection methods named Relief-F and Sequential Forward Selection and applied on LSTM and MLP have shown to accurately predict the disease progression as stage 2 and 3 and its existence respectively.
Abstract（参考訳）: 特に初期のパーキンソン病の正確な診断は難しい課題である。機械学習技術の応用は、パーキンソン病検出の診断精度を向上させるのに役立つが、疾患進行の予測に向けた研究はごくわずかである。本研究はパーキンソン病患者の音声信号の診断機能を用いて,Long Short Term Memory LSTM(Long Short Memory LSTM)を訓練し,多層パーセプトロンMLP(Multilayer Perceptron MLP)を同一の診断機能で訓練し,疾患の進行を予測した。 Relief-F と Sequential Forward Selection という2つのよく知られた特徴選択法を用いて選択され,LSTM と MLP に適用された診断的特徴は,それぞれステージ2 と 3 の病状進行を正確に予測し,その存在を予測した。

関連論文リスト

Assessing and Enhancing Large Language Models in Rare Disease Question-answering [64.32570472692187]
本稿では,レアな疾患の診断におけるLarge Language Models (LLMs) の性能を評価するために,レアな疾患問合せデータセット(ReDis-QA)を導入する。 ReDis-QAデータセットでは1360の高品質な質問応答ペアを収集し,205の稀な疾患をカバーした。その後、いくつかのオープンソースのLCMをベンチマークし、希少疾患の診断がこれらのモデルにとって重要な課題であることを示した。実験の結果,ReCOPは,ReDis-QAデータセット上でのLCMの精度を平均8%向上できることがわかった。
論文参考訳（メタデータ） (2024-08-15T21:09:09Z)
Diagnosis of Parkinson's Disease Using EEG Signals and Machine Learning Techniques: A Comprehensive Study [1.2972104025246092]
本稿では,パーキンソン病のヒト脳波信号解析による診断方法を提案する。本手法は,脳波信号解析技術と機械学習手法の総合的なレビューを取り入れたものである。パーキンソン病診断に最適化された高度SVMモデルを開発した。
論文参考訳（メタデータ） (2024-04-30T04:25:09Z)
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)
Deep Learning Predicts Prevalent and Incident Parkinson's Disease From UK Biobank Fundus Imaging [13.132022790511005]
パーキンソン病は世界最速の神経疾患である。現在の診断法は高価で、可用性は限られている。我々は、パーキンソン病の診断検査として、しばしば脳への窓と呼ばれる網膜基底像を強調した。
論文参考訳（メタデータ） (2023-02-13T22:30:16Z)
Early Disease Stage Characterization in Parkinson's Disease from Resting-state fMRI Data Using a Long Short-term Memory Network [6.487961959149217]
パーキンソン病(英: Parkinson's disease、PD)は、ホーン病とイェール病の5段階からなる、一般的で複雑な神経変性疾患である。早期の第1期と第2期を分類し、脳機能の変化を検出することは困難である。本稿では,PDの初期段階を特徴付けるために,LSTM(Long Short-term memory)ネットワークを提案する。
論文参考訳（メタデータ） (2022-02-11T18:34:11Z)
Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
論文参考訳（メタデータ） (2022-01-27T16:37:19Z)
SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文参考訳（メタデータ） (2021-10-28T12:59:06Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)
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)
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。