論文の概要: A Multimodal In Vitro Diagnostic Method for Parkinson's Disease Combining Facial Expressions and Behavioral Gait Data
- arxiv url: http://arxiv.org/abs/2506.17596v1
- Date: Sat, 21 Jun 2025 05:20:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-24 19:06:36.493404
- Title: A Multimodal In Vitro Diagnostic Method for Parkinson's Disease Combining Facial Expressions and Behavioral Gait Data
- Title（参考訳）: 顔表情と行動歩行データを組み合わせたパーキンソン病のマルチモーダルインビトロ診断法
- Authors: Wei Huang, Yinxuan Xu, Yintao Zhou, Zhengyu Li, Jing Huang, Meng Pang,
- Abstract要約: パーキンソン病(PD)は、患者とその家族の生活に重大な課題をもたらす。
In vitroでの診断は、非侵襲的な性質と低コストのために注目されている。
本稿では, 顔表情と行動歩行を利用して, PDのマルチモーダルインビトロ診断法を提案する。
- 参考スコア（独自算出の注目度）: 9.985151413833364
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Parkinson's disease (PD), characterized by its incurable nature, rapid progression, and severe disability, poses significant challenges to the lives of patients and their families. Given the aging population, the need for early detection of PD is increasing. In vitro diagnosis has garnered attention due to its non-invasive nature and low cost. However, existing methods present several challenges: 1) limited training data for facial expression diagnosis; 2) specialized equipment and acquisition environments required for gait diagnosis, resulting in poor generalizability; 3) the risk of misdiagnosis or missed diagnosis when relying on a single modality. To address these issues, we propose a novel multimodal in vitro diagnostic method for PD, leveraging facial expressions and behavioral gait. Our method employs a lightweight deep learning model for feature extraction and fusion, aimed at improving diagnostic accuracy and facilitating deployment on mobile devices. Furthermore, we have established the largest multimodal PD dataset in collaboration with a hospital and conducted extensive experiments to validate the effectiveness of our proposed method.
- Abstract（参考訳）: パーキンソン病(PD)は、その病原性、急速な進行、重度の障害を特徴とし、患者とその家族の生活に重大な課題をもたらす。
高齢化に伴い,PDの早期検出の必要性が高まっている。
In vitroでの診断は、非侵襲的な性質と低コストのために注目されている。
しかし、既存の手法にはいくつかの課題がある。
1) 表情診断のための限られた訓練データ
2 歩行診断に要する専門設備及び取得環境は、一般化性に乏しい。
3)1つのモダリティに依存する場合,誤診や診断の欠如のリスク。
これらの課題に対処するために,顔表情と行動歩行を利用したPDのマルチモーダルインビトロ診断法を提案する。
提案手法は,特徴抽出と融合のための軽量なディープラーニングモデルを用いて,診断精度の向上とモバイルデバイスへの展開を容易にすることを目的とした。
さらに,病院と連携して最大規模のマルチモーダルPDデータセットを構築し,提案手法の有効性を検証した。
関連論文リスト
- A Methodological and Structural Review of Parkinsons Disease Detection Across Diverse Data Modalities [0.6827423171182153]
日本タイムズとパーキンソン財団の報道によると、全世界で1000人あたり1～1.8人が診断された。
本研究では,多種多様なデータモダリティを対象としたPD認識システムについて概説する。
本稿では,主要な科学データベースからの347以上の論文に基づいて,データ収集手法,設定,特徴表現,システム性能などの重要な側面について考察する。
論文 参考訳（メタデータ） (2025-05-01T13:47:45Z) - Artificial intelligence-enabled detection and assessment of Parkinson's disease using multimodal data: A survey [2.06242362470764]
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。
論文 参考訳（メタデータ） (2025-02-15T07:26:52Z) - Continually Evolved Multimodal Foundation Models for Cancer Prognosis [50.43145292874533]
がん予後は、患者の予後と生存率を予測する重要なタスクである。
これまでの研究では、臨床ノート、医療画像、ゲノムデータなどの多様なデータモダリティを統合し、補完的な情報を活用している。
既存のアプローチには2つの大きな制限がある。まず、各病院の患者記録など、各種のトレーニングに新しく到着したデータを組み込むことに苦慮する。
第二に、ほとんどのマルチモーダル統合手法は単純化された結合やタスク固有のパイプラインに依存しており、モダリティ間の複雑な相互依存を捉えることができない。
論文 参考訳（メタデータ） (2025-01-30T06:49:57Z) - Efficient and Comprehensive Feature Extraction in Large Vision-Language Model for Pathology Analysis [37.11302829771659]
大規模視覚言語モデル(LVLM)は、入力解像度の制約によって制限され、病理画像解析の効率と精度を損なう。
課題誘導型機能拡張と課題誘導型詳細機能補完の2つの革新的戦略を提案する。
OmniPathは診断精度と効率において既存の方法よりも優れていた。
論文 参考訳（メタデータ） (2024-12-12T18:07:23Z) - 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) - 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) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳（メタデータ） (2023-11-26T14:42:31Z) - 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)
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。