論文の概要: Prediction of Freezing of Gait in Parkinsons Disease using Explainable AI and Federated Deep Learning for Wearable Sensors

• arxiv url: http://arxiv.org/abs/2507.01068v1
• Date: Tue, 01 Jul 2025 01:22:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.831112
• Title: Prediction of Freezing of Gait in Parkinsons Disease using Explainable AI and Federated Deep Learning for Wearable Sensors
• Title（参考訳）: 説明可能なAIとフェデレーション深層学習によるパーキンソン病歩行の凍結予測
• Authors: Biplov Paneru,
• Abstract要約: 本研究では、慣性計測ユニット(IMU)データセットを用いて、歩行凍結の早期検出と予測のための説明可能なAI手法を開発する。 Stacking Ensembleモデルは、ハイブリッド双方向GRUモデルを超え、99%近い分類精度を達成し、優れた性能を達成する。 提案するFOG予測フレームワークには,各デバイス上でモデルをローカルにトレーニングし,中央サーバに集約するフェデレーション学習が組み込まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study leverages an Inertial Measurement Unit (IMU) dataset to develop explainable AI methods for the early detection and prediction of Freezing of Gait (FOG), a common symptom in Parkinson's disease. Machine learning models, including CatBoost, XGBoost, and Extra Trees classifiers, are employed to accurately categorize FOG episodes based on relevant clinical features. A Stacking Ensemble model achieves superior performance, surpassing a hybrid bidirectional GRU model and reaching nearly 99% classification accuracy. SHAP interpretability analysis reveals that time (seconds) is the most influential factor in distinguishing gait patterns. Additionally, the proposed FOG prediction framework incorporates federated learning, where models are trained locally on individual devices and aggregated on a central server using a federated averaging approach, utilizing a hybrid Conv1D + LSTM architecture for enhanced predictive capability.
• Abstract（参考訳）: 本研究では、慣性計測ユニット(IMU)データセットを用いて、パーキンソン病の一般的な症状である歩行凍結(FOG)の早期発見と予測のための説明可能なAI手法を開発する。 CatBoost、XGBoost、Extra Trees分類器を含む機械学習モデルは、関連する臨床特徴に基づいてFOGエピソードを正確に分類するために使用される。 Stacking Ensembleモデルは、ハイブリッド双方向GRUモデルを超え、99%近い分類精度を達成し、優れた性能を達成する。 SHAPの解釈可能性分析により,歩行パターンを識別する上で,時間(秒)が最も重要な要因であることが判明した。 さらに、FOG予測フレームワークには、個々のデバイス上でモデルをローカルにトレーニングし、フェデレーション平均化アプローチを使用して中央サーバに集約するフェデレーション学習が組み込まれており、予測能力を向上するためにハイブリッドのConv1D + LSTMアーキテクチャを使用している。

関連論文リスト

• Prediction of Cellular Malignancy Using Electrical Impedance Signatures and Supervised Machine Learning [0.0]
  この研究は33の学術論文を体系的にレビューし、定量的な生体電気パラメータのデータセットをコンパイルした。 ランダムフォレスト(RF)、サポートベクトルマシン(SVM)、K-Nearest Neighbor(KNN)の3つの教師付き機械学習アルゴリズムを実装し調整した。 その結果、ランサムフォレストは最大深度を4と100の推定器で設定した場合、90%の予測精度を達成した。
  論文  参考訳（メタデータ） (2026-01-08T01:30:52Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• BrainOmni: A Brain Foundation Model for Unified EEG and MEG Signals [50.76802709706976]
  異種脳波とMEG記録を対象とする脳基礎モデルBrain Omniを提案する。 多様なデータソースを統一するために、脳の活動を離散表現に定量化する最初のトークンであるBrainTokenizerを紹介します。 EEGの合計1,997時間、MEGデータの656時間は、事前トレーニングのために公開されているソースからキュレーションされ、標準化されている。
  論文  参考訳（メタデータ） (2025-05-18T14:07:14Z)
• An Explainable Nature-Inspired Framework for Monkeypox Diagnosis: Xception Features Combined with NGBoost and African Vultures Optimization Algorithm [0.0]
  本研究では,皮膚病変画像からのサルポックスの自動検出のための,新しいディープラーニングベースのフレームワークを提案する。 我々は、サルポックス、チキンポックス、麻疹の画像を含む新しいサルポックス皮膚病変データセット(MSLD)を用いて、モデルのトレーニングと評価を行った。 AVOA-NGBoostモデルの精度は97.53%,F1スコア97.72%,AUC97.47%であった。
  論文  参考訳（メタデータ） (2025-04-24T13:32:11Z)
• Synthetic Time Series Data Generation for Healthcare Applications: A PCG Case Study [43.28613210217385]
  我々は、PCGデータを生成するために、最先端の3つの生成モデルを採用し、比較する。 その結果,生成したPCGデータは元のデータセットによく似ていることがわかった。 今後の研究では、この手法をデータ拡張パイプラインに組み込んで、異常なPCG信号を心臓の大腿骨で合成する予定である。
  論文  参考訳（メタデータ） (2024-12-17T18:07:40Z)
• ESDS: AI-Powered Early Stunting Detection and Monitoring System using Edited Radius-SMOTE Algorithm [1.6874375111244329]
  スタンピング検出はインドネシアの医療において重要な問題である。 スタンティングの頻度が高い地域では、治療を必要としている子供を特定することが重要である。 診断プロセスは、医療従事者の経験不足など、しばしば課題を提起する。 本稿では,センサ読み取りに基づくスタント検出に機械学習を用いる。
  論文  参考訳（メタデータ） (2024-09-21T11:15:13Z)
• Model Inversion Attacks Through Target-Specific Conditional Diffusion Models [54.69008212790426]
  モデル反転攻撃(MIA)は、ターゲット分類器のトレーニングセットからプライベートイメージを再構築することを目的としており、それによってAIアプリケーションにおけるプライバシー上の懸念が高まる。 従来のGANベースのMIAは、GANの固有の欠陥と潜伏空間における最適化の偏りにより、劣った遺伝子的忠実度に悩まされる傾向にある。 これらの問題を緩和するために拡散モデル反転(Diff-MI)攻撃を提案する。
  論文  参考訳（メタデータ） (2024-07-16T06:38:49Z)
• 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)
• Benchmarking Skeleton-based Motion Encoder Models for Clinical Applications: Estimating Parkinson's Disease Severity in Walking Sequences [3.650839294933459]
  PD患者の歩行パターンを解析するための大規模人間の動作データセットを訓練した一般人動作エンコーダ。 運動障害社会の予測能力について,6つの事前訓練されたヒト運動エンコーダモデルの評価を行った。
  論文  参考訳（メタデータ） (2024-05-28T04:29:10Z)
• Integrative Deep Learning Framework for Parkinson's Disease Early Detection using Gait Cycle Data Measured by Wearable Sensors: A CNN-GRU-GNN Approach [0.3222802562733786]
  対象のバイナリ分類に適した,先駆的な深層学習アーキテクチャを提案する。 我々のモデルは、1D畳み込みニューラルネットワーク(CNN)、GRU(Gated Recurrent Units)、GNN(Graph Neural Network)のパワーを利用する。 提案モデルでは, 99.51%, 99.57%, 99.71%, 99.64%のスコアが得られた。
  論文  参考訳（メタデータ） (2024-04-09T15:19:13Z)
• 1D-Convolutional transformer for Parkinson disease diagnosis from gait [7.213855322671065]
  本稿では,歩行からパーキンソン病の診断に有効なディープニューラルネットワークモデルを提案する。 本稿では,重症度を検知し,病状を正確に診断するためのハイブリッドConvNetTransform-erアーキテクチャを提案する。 提案手法は歩行データからパーキンソン病の異なる段階を検出するのに有効であることが示された。
  論文  参考訳（メタデータ） (2023-11-06T15:17:17Z)
• An Evaluation of Machine Learning Approaches for Early Diagnosis of Autism Spectrum Disorder [0.0]
  自閉症スペクトラム障害(Autistic Spectrum disorder、ASD)は、社会的相互作用、コミュニケーション、反復活動の困難を特徴とする神経疾患である。 本研究は,診断プロセスの強化と自動化を目的として,多様な機械学習手法を用いて重要なASD特性を同定する。
  論文  参考訳（メタデータ） (2023-09-20T21:23:37Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Graph Neural Networks with Trainable Adjacency Matrices for Fault Diagnosis on Multivariate Sensor Data [69.25738064847175]
  各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。 グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。 グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2022-10-20T11:03:21Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Smart Application for Fall Detection Using Wearable ECG & Accelerometer Sensors [0.0]
  タイムリーで信頼性の高い滝の検出は、大規模で急速に成長する研究分野である。 センサは転倒検出に有用であり、転倒と他の活動の区別を可能にする。 この研究は、結果のデータセットで識別される弱点のために、改善の余地をかなり残している。
  論文  参考訳（メタデータ） (2022-06-28T12:49:25Z)
• Multi-task fusion for improving mammography screening data classification [3.7683182861690843]
  まず、個別のタスク固有のモデルのセットをトレーニングするパイプラインアプローチを提案する。 次に、標準モデルの集合戦略とは対照的に、その融合について検討する。 我々の融合アプローチは、標準モデルのアンサンブルに比べてAUCのスコアを最大0.04向上させる。
  論文  参考訳（メタデータ） (2021-12-01T13:56:27Z)
• 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)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• Understanding Overparameterization in Generative Adversarial Networks [56.57403335510056]
  generative adversarial network (gans) は、非凹型ミニマックス最適化問題を訓練するために用いられる。 ある理論は、グローバル最適解に対する勾配降下 (gd) の重要性を示している。 ニューラルネットワークジェネレータと線形判別器を併用した多層GANにおいて、GDAは、基礎となる非凹面min-max問題の大域的なサドル点に収束することを示す。
  論文  参考訳（メタデータ） (2021-04-12T16:23:37Z)

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。