論文の概要: Machine Learning-Based Differential Diagnosis of Parkinson's Disease Using Kinematic Feature Extraction and Selection
- arxiv url: http://arxiv.org/abs/2501.02014v1
- Date: Thu, 02 Jan 2025 14:43:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-07 17:08:47.915987
- Title: Machine Learning-Based Differential Diagnosis of Parkinson's Disease Using Kinematic Feature Extraction and Selection
- Title(参考訳): 運動学的特徴抽出と選択を用いた機械学習によるパーキンソン病の鑑別診断
- Authors: Masahiro Matsumoto, Abu Saleh Musa Miah, Nobuyoshi Asai, Jungpil Shin,
- Abstract要約: パーキンソン病(英: Parkinson's disease、PD)は、神経変性疾患の2番目に多い疾患である。
PDは進行性核上性麻痺(PSP)や多系統萎縮(MSA)などの他の神経変性疾患と症状を共有している
本稿では,PD,PSP,MSA,健康管理の鑑別診断を行う機械学習システムを提案する。
- 参考スコア(独自算出の注目度): 0.6249768559720121
- License:
- Abstract: Parkinson's disease (PD), the second most common neurodegenerative disorder, is characterized by dopaminergic neuron loss and the accumulation of abnormal synuclein. PD presents both motor and non-motor symptoms that progressively impair daily functioning. The severity of these symptoms is typically assessed using the MDS-UPDRS rating scale, which is subjective and dependent on the physician's experience. Additionally, PD shares symptoms with other neurodegenerative diseases, such as progressive supranuclear palsy (PSP) and multiple system atrophy (MSA), complicating accurate diagnosis. To address these diagnostic challenges, we propose a machine learning-based system for differential diagnosis of PD, PSP, MSA, and healthy controls (HC). This system utilizes a kinematic feature-based hierarchical feature extraction and selection approach. Initially, 18 kinematic features are extracted, including two newly proposed features: Thumb-to-index vector velocity and acceleration, which provide insights into motor control patterns. In addition, 41 statistical features were extracted here from each kinematic feature, including some new approaches such as Average Absolute Change, Rhythm, Amplitude, Frequency, Standard Deviation of Frequency, and Slope. Feature selection is performed using One-way ANOVA to rank features, followed by Sequential Forward Floating Selection (SFFS) to identify the most relevant ones, aiming to reduce the computational complexity. The final feature set is used for classification, achieving a classification accuracy of 66.67% for each dataset and 88.89% for each patient, with particularly high performance for the MSA and HC groups using the SVM algorithm. This system shows potential as a rapid and accurate diagnostic tool in clinical practice, though further data collection and refinement are needed to enhance its reliability.
- Abstract(参考訳): パーキンソン病(英: Parkinson's disease、PD)は、ドーパミン作動性ニューロンの喪失と、異常なシナクレインの蓄積を特徴とする神経変性疾患である。
PDは、運動障害と非運動障害の両方を呈し、日々の機能不全が進行する。
これらの症状の重症度は、主観的で医師の経験に依存するMDS-UPDRS評価尺度を用いて評価されるのが一般的である。
さらに、PDは進行性核上性麻痺(PSP)や多系統萎縮(MSA)などの他の神経変性疾患と症状を共有しており、正確な診断が難しい。
これらの課題に対処するために,PD,PSP,MSA,健康管理(HC)の鑑別診断を行う機械学習システムを提案する。
本システムは,キネマティックな特徴量に基づく階層的特徴抽出と選択手法を利用する。
当初は18のキネマティックな特徴が抽出され、その中にはThumb-to-indexベクター速度とアクセラレーションという2つの新しい特徴が含まれており、運動制御パターンの洞察を提供する。
さらに, 平均絶対値変化, リズム, 振幅, 周波数, 周波数の標準偏差, 傾斜などの新しい手法を含む, 41の統計的特徴を各運動学的特徴から抽出した。
特徴の選択は、特徴のランク付けにOne-way ANOVAを使用し、次にSequential Forward Floating Selection (SFFS) を使用して最も関連性の高いものを特定する。
最終特徴セットは分類に使用され、データセットごとに66.67%、患者毎に88.89%の分類精度が達成され、特にSVMアルゴリズムを用いてMSAとHCグループのパフォーマンスが向上している。
このシステムは臨床実践において迅速かつ正確な診断ツールとしての可能性を示しているが、信頼性を高めるためにはさらなるデータ収集と改善が必要である。
関連論文リスト
- Distinguishing Parkinson's Patients Using Voice-Based Feature Extraction and Classification [0.0]
本研究は、パーキンソン病患者の音声特徴の抽出と分類を通じて、健常者からパーキンソン病を区別することに焦点を当てる。
また,3層ニューラルネットワークアーキテクチャの精度を従来の機械学習アルゴリズムと比較した。
論文 参考訳(メタデータ) (2025-01-24T10:44:16Z) - Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。
iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
論文 参考訳(メタデータ) (2024-07-10T19:17:23Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳(メタデータ) (2024-02-16T05:16:20Z) - 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) - Exploiting prompt learning with pre-trained language models for
Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。
本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文 参考訳(メタデータ) (2022-10-29T09:18:41Z) - Pose-based Tremor Classification for Parkinson's Disease Diagnosis from
Video [13.6403722052414]
パーキンソン病(英: Parkinson's disease、PD)は、様々な運動障害症状を引き起こす進行性神経変性疾患である。
パーキンソンの震動はPDの強い一般化性を示す最も主要な症状の1つである。
本稿では,SPAPNetを提案する。SPAPNetは,PD警告サインとして,低コストのPT分類結果を提供するための入力として,カメラに面する人間の動作の,コンシューマグレードの非侵襲的なビデオ記録のみを必要とする。
論文 参考訳(メタデータ) (2022-07-14T11:32:42Z) - Identification of Autism spectrum disorder based on a novel feature
selection method and Variational Autoencoder [7.0876609220947655]
安静時機能的磁気共鳴画像(rs-fMRI)のような非侵襲的脳イメージングは、自閉症スペクトラム障害(ASD)の早期診断に有望な解決策である
本稿では rs-fMRI に基づく ASD 診断を支援するための分類フレームワークを提案する。
論文 参考訳(メタデータ) (2022-04-07T08:50:48Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳(メタデータ) (2021-12-18T14:17:49Z) - Machine learning discrimination of Parkinson's Disease stages from
walker-mounted sensors data [0.0]
本研究は,パーキンソン病進行の6段階を識別するための機械学習手法を適用した。
データは、運動障害クリニックの実験で、低コストの歩行センサーによって取得されました。
論文 参考訳(メタデータ) (2020-06-22T09:34:12Z) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳(メタデータ) (2020-05-06T15:19:15Z) - 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。
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。