論文の概要: Detecting Neurodegenerative Diseases using Frame-Level Handwriting Embeddings
- arxiv url: http://arxiv.org/abs/2502.07025v1
- Date: Mon, 10 Feb 2025 20:35:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-12 14:09:00.864043
- Title: Detecting Neurodegenerative Diseases using Frame-Level Handwriting Embeddings
- Title（参考訳）: フレームレベル手書き埋め込みを用いた神経変性疾患の検出
- Authors: Sarah Laouedj, Yuzhe Wang, Jesus Villalba, Thomas Thebaud, Laureano Moro-Velazquez, Najim Dehak,
- Abstract要約: 我々は,CNNとCNN-BLSTMモデルを多チャンネル固定サイズおよびフレームベーススペクトログラムを用いたバイナリ分類に適用した。
最も高いF1スコアはAD対CTL、PD対CTLは74.5%、PD対PDMは77.97%だった。
1秒のウィンドウはADに最適で, 長いウィンドウではPD分類が改善し, ウィンドウ長はPDとPDMにはほとんど影響しなかった。
- 参考スコア（独自算出の注目度）: 17.2068910178849
- License:
- Abstract: In this study, we explored the use of spectrograms to represent handwriting signals for assessing neurodegenerative diseases, including 42 healthy controls (CTL), 35 subjects with Parkinson's Disease (PD), 21 with Alzheimer's Disease (AD), and 15 with Parkinson's Disease Mimics (PDM). We applied CNN and CNN-BLSTM models for binary classification using both multi-channel fixed-size and frame-based spectrograms. Our results showed that handwriting tasks and spectrogram channel combinations significantly impacted classification performance. The highest F1-score (89.8%) was achieved for AD vs. CTL, while PD vs. CTL reached 74.5%, and PD vs. PDM scored 77.97%. CNN consistently outperformed CNN-BLSTM. Different sliding window lengths were tested for constructing frame-based spectrograms. A 1-second window worked best for AD, longer windows improved PD classification, and window length had little effect on PD vs. PDM.
- Abstract（参考訳）: 本研究では,42例の健常者(CTL),35例のパーキンソン病(PD),21例のアルツハイマー病(AD),15例のパーキンソン病(PDM)を含む,神経変性疾患に対する手書き信号の表現について検討した。
我々は,CNNとCNN-BLSTMモデルを多チャンネル固定サイズおよびフレームベーススペクトログラムを用いたバイナリ分類に適用した。
その結果,手書き作業とスペクトログラムチャネルの組み合わせが分類性能に大きな影響を及ぼした。
最も高いF1スコア(89.8%)はAD対CTL、PD対CTLは74.5%、PD対PDMは77.97%だった。
CNNは一貫してCNN-BLSTMを上回った。
フレームベースのスペクトログラムを構築するために、異なるスライドウィンドウ長を試験した。
1秒のウィンドウはADに最適で, 長いウィンドウではPD分類が改善し, ウィンドウ長はPDとPDMにはほとんど影響しなかった。
関連論文リスト
- PULSAR: Graph based Positive Unlabeled Learning with Multi Stream
Adaptive Convolutions for Parkinson's Disease Recognition [1.9482539692051932]
パーキンソン病(英: Parkinsons disease、PD)は、運動、発話、協調に影響を及ぼす神経変性疾患である。
本稿では,ウェブカメラで記録した指タップのビデオからPDをスクリーニングする新しい手法PULSARを提案する。
適応型グラフ畳み込みニューラルネットワークを用いて,指触りタスクに特有の時間グラフを動的に学習した。
論文 参考訳（メタデータ） (2023-12-10T05:56:20Z) - Multi-modal multi-class Parkinson disease classification using CNN and
decision level fusion [9.12267978757844]
パーキンソン病は2番目に一般的な神経変性疾患である。
分類に用いられる3つのクラスは、PD、ドーパミン欠乏の証拠のないScans Without Evidence、Healthy Controlである。
PPMIデータベース上で,PD,HC,SWEDDの直接3クラス分類における95.53パーセントの精度を実現した。
論文 参考訳（メタデータ） (2023-07-06T13:25:31Z) - 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) - Data-Efficient Vision Transformers for Multi-Label Disease
Classification on Chest Radiographs [55.78588835407174]
視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。
ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。
以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
論文 参考訳（メタデータ） (2022-08-17T09:07:45Z) - CNN-based fully automatic wrist cartilage volume quantification in MR
Image [55.41644538483948]
追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。
非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
論文 参考訳（メタデータ） (2022-06-22T14:19:06Z) - 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) - Comparative Study of Speech Analysis Methods to Predict Parkinson's
Disease [0.0]
発声障害は、変性する前にこの疾患を検出するために用いられる。
この研究は、PDを予測するための音声特徴と機械学習アプローチを分析する。
全ての音響特性とMFCCを使い、SVMと共に98%の精度で最高の性能を実現した。
論文 参考訳（メタデータ） (2021-11-15T04:29:51Z) - Osteoporosis Prescreening using Panoramic Radiographs through a Deep
Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。
49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文 参考訳（メタデータ） (2021-10-19T00:03:57Z) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳（メタデータ） (2021-08-07T10:12:42Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z)
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。