論文の概要: Artificial intelligence-enabled detection and assessment of Parkinson's disease using multimodal data: A survey
- arxiv url: http://arxiv.org/abs/2502.10703v1
- Date: Sat, 15 Feb 2025 07:26:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-18 14:08:45.440722
- Title: Artificial intelligence-enabled detection and assessment of Parkinson's disease using multimodal data: A survey
- Title（参考訳）: マルチモーダルデータを用いた人工知能によるパーキンソン病の検出と評価
- Authors: Aite Zhao, Yongcan Liu, Xinglin Yu, Xinyue Xing,
- Abstract要約: 現在、パーキンソン病の診断、重症度の評価、進行の追跡に有効なバイオマーカーは存在しない。
現在、多くのAIアルゴリズムがPD診断と治療に使われており、多モードおよび異種疾患の症状データに基づいて様々な分類タスクを実行することができる。
PDの可能性を予測し、個人または複数の症状の重症度を評価し、早期発見を支援し、リハビリテーションと治療効果を評価することを含む、表現力のあるフィードバックを提供する。
- 参考スコア（独自算出の注目度）: 2.06242362470764
- License:
- Abstract: The rapid emergence of highly adaptable and reusable artificial intelligence (AI) models is set to revolutionize the medical field, particularly in the diagnosis and management of Parkinson's disease (PD). Currently, there are no effective biomarkers for diagnosing PD, assessing its severity, or tracking its progression. Numerous AI algorithms are now being used for PD diagnosis and treatment, capable of performing various classification tasks based on multimodal and heterogeneous disease symptom data, such as gait, hand movements, and speech patterns of PD patients. They provide expressive feedback, including predicting the potential likelihood of PD, assessing the severity of individual or multiple symptoms, aiding in early detection, and evaluating rehabilitation and treatment effectiveness, thereby demonstrating advanced medical diagnostic capabilities. Therefore, this work provides a surveyed compilation of recent works regarding PD detection and assessment through biometric symptom recognition with a focus on machine learning and deep learning approaches, emphasizing their benefits, and exposing their weaknesses, and their impact in opening up newer research avenues. Additionally, it also presents categorized and characterized descriptions of the datasets, approaches, and architectures employed to tackle associated constraints. Furthermore, the paper explores the potential opportunities and challenges presented by data-driven AI technologies in the diagnosis of PD.
- Abstract（参考訳）: 高度に適応可能な再利用可能な人工知能(AI)モデルの急速な台頭は、特にパーキンソン病(PD)の診断と管理において医療分野に革命をもたらす。
現在、PDの診断、重症度の評価、進行の追跡に有効なバイオマーカーは存在しない。
現在、多くのAIアルゴリズムがPDの診断と治療に使われており、歩行、手の動き、PD患者の音声パターンなど、多モードおよび異種疾患の症状データに基づいて様々な分類タスクを実行することができる。
PDの可能性を予測すること、個人または複数の症状の重症度を評価すること、早期発見を支援すること、リハビリテーションと治療の有効性を評価することを含む、表現力のあるフィードバックを提供する。
そこで本研究では, バイオメトリックな症状認識によるPDの検出と評価に関する最近の研究を, 機械学習とディープラーニングアプローチに焦点をあて, それらのメリットを強調し, 弱点を明らかにするとともに, 新たな研究の道を開く上での影響について調査した。
さらに、関連する制約に対処するために使用されるデータセット、アプローチ、アーキテクチャの分類と特徴を提示する。
さらに,PDの診断においてデータ駆動型AI技術がもたらす可能性や課題についても検討した。
関連論文リスト
- MINDSETS: Multi-omics Integration with Neuroimaging for Dementia Subtyping and Effective Temporal Study [0.7751705157998379]
アルツハイマー病(AD)と血管性認知症(VaD)は最も多い認知症である。
本稿では、ADとVaDを正確に区別する革新的なマルチオミクス手法を提案し、89.25%の精度で診断を行う。
論文 参考訳（メタデータ） (2024-11-06T10:13:28Z) - Early Recognition of Parkinson's Disease Through Acoustic Analysis and Machine Learning [0.0]
パーキンソン病(英: Parkinson's Disease、PD)は、音声を含む運動機能と非運動機能の両方に大きな影響を及ぼす進行性神経変性疾患である。
本稿では,音声データを用いたPD認識手法の総合的なレビューを行い,機械学習とデータ駆動アプローチの進歩を強調した。
ロジスティック回帰、SVM、ニューラルネットワークなど、さまざまな分類アルゴリズムが検討されている。
以上の結果から,特定の音響特性と高度な機械学習技術は,PDと健常者の間で効果的に区別できることが示唆された。
論文 参考訳（メタデータ） (2024-07-22T23:24:02Z) - A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。
モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
論文 参考訳（メタデータ） (2024-07-07T18:02:00Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - 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) - Enabling Collaborative Clinical Diagnosis of Infectious Keratitis by
Integrating Expert Knowledge and Interpretable Data-driven Intelligence [28.144658552047975]
感染性角膜炎(IK)の診断における知識誘導診断モデル(KGDM)の性能,解釈可能性,臨床的有用性について検討した。
AIベースのバイオマーカーの診断確率比(DOR)は3.011から35.233の範囲で有効である。
コラボレーションの参加者は、人間とAIの両方を上回るパフォーマンスを達成した。
論文 参考訳（メタデータ） (2024-01-14T02:10:54Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z) - 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 Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - Machine learning for the diagnosis of Parkinson's disease: A systematic
review [15.463800489731373]
我々は2020年2月14日まで,PubMed と IEEE Xplore データベースを用いて,系統的な文献レビューを行った。
関連情報として抽出され,本システムレビューで提示された計209件の研究結果を含む。
これらの研究は、臨床意思決定における機械学習手法と新しいバイオマーカーの適応の可能性を示す。
論文 参考訳（メタデータ） (2020-10-13T01:14:04Z) - 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。