論文の概要: SincPD: An Explainable Method based on Sinc Filters to Diagnose Parkinson's Disease Severity by Gait Cycle Analysis
- arxiv url: http://arxiv.org/abs/2502.17463v1
- Date: Mon, 10 Feb 2025 17:52:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-02 03:22:47.224587
- Title: SincPD: An Explainable Method based on Sinc Filters to Diagnose Parkinson's Disease Severity by Gait Cycle Analysis
- Title（参考訳）: SincPD: 歩行周期解析によるパーキンソン病重症度診断のためのSincフィルタを用いた説明可能な方法
- Authors: Armin Salimi-Badr, Mahan Veisi, Sadra Berangi,
- Abstract要約: パーキンソン病診断(PD)のための適応型シンクフィルタに基づく説明可能な深層学習型分類器を提案する。
PDが歩行周期に及ぼす影響を考慮し, 被験者の靴底に装着したウェアラブルセンサによって測定された垂直地中反応力(vGRF)の生データを用いた。
提案手法は適応帯域通過フィルタをモデル化し,健常者とともに歩行周期において重要な周波数帯域を抽出するSinc層からなる。
- 参考スコア（独自算出の注目度）: 0.2867517731896504
- License:
- Abstract: In this paper, an explainable deep learning-based classifier based on adaptive sinc filters for Parkinson's Disease diagnosis (PD) along with determining its severity, based on analyzing the gait cycle (SincPD) is presented. Considering the effects of PD on the gait cycle of patients, the proposed method utilizes raw data in the form of vertical Ground Reaction Force (vGRF) measured by wearable sensors placed in soles of subjects' shoes. The proposed method consists of Sinc layers that model adaptive bandpass filters to extract important frequency-bands in gait cycle of patients along with healthy subjects. Therefore, by considering these frequencies, the reasons behind the classification a person as a patient or healthy can be explained. In this method, after applying some preprocessing processes, a large model equipped with many filters is first trained. Next, to prune the extra units and reach a more explainable and parsimonious structure, the extracted filters are clusters based on their cut-off frequencies using a centroid-based clustering approach. Afterward, the medoids of the extracted clusters are considered as the final filters. Therefore, only 15 bandpass filters for each sensor are derived to classify patients and healthy subjects. Finally, the most effective filters along with the sensors are determined by comparing the energy of each filter encountering patients and healthy subjects.
- Abstract（参考訳）: 本稿では、パーキンソン病診断(PD)のための適応型シンクフィルタに基づく深い学習に基づく分類器について、歩行周期(SincPD)の分析に基づいて、その重症度を判定する。
PDが歩行周期に及ぼす影響を考慮し, 被験者の靴底に装着したウェアラブルセンサによって測定された垂直地中反応力(vGRF)の生データを用いた。
提案手法は適応帯域通過フィルタをモデル化し,健常者とともに歩行周期において重要な周波数帯域を抽出するSinc層からなる。
したがって、これらの周波数を考慮することで、患者や健康者としての分類の背後にある理由を説明することができる。
本手法では,前処理プロセスを適用した後,多数のフィルタを備えた大規模モデルをまず訓練する。
次に, 抽出したフィルタは, そのカットオフ周波数に基づいて, 遠心性クラスタリング手法を用いて, 余分なユニットをプルークし, より説明しやすく, 類似的な構造に到達させる。
その後、抽出されたクラスターのメドイドを最終フィルタとする。
そのため、患者と健康な被験者を分類するために、各センサ用の15個の帯域通過フィルタが導出されている。
最後に、センサとともに最も効果的なフィルタは、患者と健康な被験者に遭遇する各フィルターのエネルギーを比較することで決定される。
関連論文リスト
- A Unified Approach for Comprehensive Analysis of Various Spectral and
Tissue Doppler Echocardiography [3.7775754350457746]
本稿では、コンボリューションニューラルネットワークを用いた新しい統合フレームワークを導入し、スペクトルおよび組織ドプラ心エコー画像の包括的解析を行った。
ネットワークは、新しいドップラー形状の埋め込みとアンチエイリアスモジュールによって、様々なドップラービューにまたがる重要な特徴を自動的に認識する。
実験結果から, ダイス類似度係数 (DSC) や結合上の交叉 (IoU) など, 性能指標における一貫したアウトパフォーマンスを示す。
論文 参考訳（メタデータ） (2023-11-14T15:10:05Z) - Differentiating patients with obstructive sleep apnea from healthy
controls based on heart rate - blood pressure coupling quantified by
entropy-based indices [0.0]
心拍数と拍動血圧記録の相互依存性を定量化するためのエントロピーに基づくECPS分類法を提案する。
本手法の目的は,各項目が対象の2つの中間データ系列から構成されるデータ分類器を構築することである。
論文 参考訳（メタデータ） (2023-11-04T23:05:32Z) - rPPG-MAE: Self-supervised Pre-training with Masked Autoencoders for
Remote Physiological Measurement [36.54109704201048]
リモート光胸腺撮影(r-MAE)はヒトのバイタルサインを知覚する重要な技術である。
本稿では,生理的信号に先行する自己相似性を抽出する自己教師型フレームワークを開発する。
また,提案手法をPUREとUBFC-rという2つの公開データセット上で評価した。
論文 参考訳（メタデータ） (2023-06-04T08:53:28Z) - A Data-Driven Gaussian Process Filter for Electrocardiogram Denoising [5.359295206355495]
提案したGPフィルタをPhyloNet QT Database上の最先端ウェーブレットベースフィルタと比較した。
提案したGPフィルタは, 試験された全てのノイズレベルに対して, ベンチマークフィルタより優れていた。
また、QT間隔推定誤差バイアスと分散の観点から、最先端フィルタよりも優れている。
論文 参考訳（メタデータ） (2023-01-06T17:09:20Z) - Deep Learning for the Benes Filter [91.3755431537592]
本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。
ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
論文 参考訳（メタデータ） (2022-03-09T14:08:38Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Parkinson's Disease Diagnosis based on Gait Cycle Analysis Through an
Interpretable Interval Type-2 Neuro-Fuzzy System [3.5450828190071655]
提案手法は,垂直地中反応力(vGRF)から抽出した臨床特徴を利用する。
提案手法の最終的な精度、精度、リコール、F1スコアは88.74%、89.41%、95.10%、92.16%である。
論文 参考訳（メタデータ） (2021-09-02T08:33:27Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - Dependency Aware Filter Pruning [74.69495455411987]
重要でないフィルタを割ることは、推論コストを軽減するための効率的な方法である。
以前の作業は、その重み基準やそれに対応するバッチノームスケーリング要因に従ってフィルタをプルークする。
所望の空間性を達成するために,空間性誘導正規化を動的に制御する機構を提案する。
論文 参考訳（メタデータ） (2020-05-06T07:41:22Z)
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。