論文の概要: Surface EMG Profiling in Parkinson's Disease: Advancing Severity Assessment with GCN-SVM

• arxiv url: http://arxiv.org/abs/2507.14153v1
• Date: Fri, 04 Jul 2025 00:29:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-27 08:26:15.923263
• Title: Surface EMG Profiling in Parkinson's Disease: Advancing Severity Assessment with GCN-SVM
• Title（参考訳）: パーキンソン病における表面EMGプロファイリング : GCN-SVMによる重症度評価の改善
• Authors: Daniel Cieślak, Barbara Szyca, Weronika Bajko, Liwia Florkiewicz, Kinga Grzęda, Mariusz Kaczmarek, Helena Kamieniecka, Hubert Lis, Weronika Matwiejuk, Anna Prus, Michalina Razik, Inga Rozumowicz, Wiktoria Ziembakowska,
• Abstract要約: 本研究では表面筋電図(sEMG)を用いてパーキンソン病の重症度を客観的に評価する手法を提案する。 5例のPD患者と5例の健常者からのsEMGデータから,神経筋の有意な差が認められた。
• 参考スコア（独自算出の注目度）: 0.15557122832359727
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parkinson's disease (PD) poses challenges in diagnosis and monitoring due to its progressive nature and complex symptoms. This study introduces a novel approach utilizing surface electromyography (sEMG) to objectively assess PD severity, focusing on the biceps brachii muscle. Initial analysis of sEMG data from five PD patients and five healthy controls revealed significant neuromuscular differences. A traditional Support Vector Machine (SVM) model achieved up to 83% accuracy, while enhancements with a Graph Convolutional Network-Support Vector Machine (GCN-SVM) model increased accuracy to 92%. Despite the preliminary nature of these results, the study outlines a detailed experimental methodology for future research with larger cohorts to validate these findings and integrate the approach into clinical practice. The proposed approach holds promise for advancing PD severity assessment and improving patient care in Parkinson's disease management.
• Abstract（参考訳）: パーキンソン病(PD)は、その進行性や複雑な症状により、診断とモニタリングに困難をもたらす。 本研究では、表面筋電図(sEMG)を用いてPD重症度を客観的に評価し、両腕三頭筋に焦点を当てた新しいアプローチを提案する。 5例のPD患者と5例の健常者からのsEMGデータから,神経筋の有意な差が認められた。 従来のサポートベクトルマシン(SVM)モデルは83%の精度で達成され、グラフ畳み込みネットワーク-Support Vector Machine(GCN-SVM)モデルは92%に向上した。 これらの結果の予備的な性質にもかかわらず、本研究では、これらの知見を検証し、そのアプローチを臨床実践に統合する、より大規模なコホートによる将来の研究のための詳細な実験的方法論を概説する。 提案手法はパーキンソン病管理におけるPD重症度評価の進歩と患者ケアの改善を約束するものである。

関連論文リスト

• Towards a general-purpose foundation model for fMRI analysis [58.06455456423138]
  我々は,4次元fMRIボリュームから学習し,多様なアプリケーション間で効率的な知識伝達を可能にするフレームワークであるNeuroSTORMを紹介する。 NeuroSTORMは、複数のセンターにまたがる5万人以上の被験者から5歳から100歳までの28.65万fMRIフレーム(→9000時間)で事前トレーニングされている。 年齢/性別予測、表現型予測、疾患診断、fMRI-to-image検索、タスクベースのfMRIの5つのタスクにおいて、既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-06-11T23:51:01Z)
• Urinary Tract Infection Detection in Digital Remote Monitoring: Strategies for Managing Participant-Specific Prediction Complexity [43.108040967674185]
  尿路感染症(UTIs)は特に認知症(PLWD)の患者にとって重要な健康上の問題である この研究は、PLWDのUTIを検出する機械学習(ML)を利用した以前の研究に基づいている。
  論文  参考訳（メタデータ） (2025-02-18T12:01:55Z)
• Advancing Parkinson's Disease Progression Prediction: Comparing Long Short-Term Memory Networks and Kolmogorov-Arnold Networks [1.9022387674252539]
  パーキンソン病(英: Parkinson's Disease、PD)は、運動機能と非運動機能を障害する変性神経疾患である。 しかし、現在の診断方法は、しばしば費用がかかり、時間がかかり、専門的な機器や専門知識が必要になる。 本研究では,回帰手法,LSTM(Long Short-Term Memory)ネットワーク,KAN(Kolmogorov Arnold Networks)を用いてPD進行を予測する革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-12-30T06:36:05Z)
• Deep learning for objective estimation of Parkinsonian tremor severity [0.0]
  パーキンソン病の術後の震動を解析するためのピクセルベース深層学習モデルを提案する。 2大陸にまたがる5つの運動障害センターから2,742件の評価を受けた。 症状の左右非対称性を検出し、震度の違いを区別した。
  論文  参考訳（メタデータ） (2024-09-03T16:00:34Z)
• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• TACCO: Task-guided Co-clustering of Clinical Concepts and Patient Visits for Disease Subtyping based on EHR Data [42.96821770394798]
  TACCOは、EMHデータのハイパーグラフモデリングに基づいて、臨床概念と患者訪問のクラスターを共同で発見する新しいフレームワークである。 我々は,表現型分類と心血管リスク予測の下流臨床課題に対して,公共MIMIC-IIIデータセットとエモリー内部CRADLEデータセットを用いて実験を行った。 深層モデル解析,クラスタリング結果解析,臨床ケーススタディは,TACCOが提供した改良されたユーティリティと洞察に富んだ解釈をさらに検証する。
  論文  参考訳（メタデータ） (2024-06-14T14:18:38Z)
• 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)
• Survival Prediction Across Diverse Cancer Types Using Neural Networks [40.392772795903795]
  胃癌と大腸腺癌は広範囲で難治性の悪性腫瘍である。 医療コミュニティは、患者の予後を推定するための重要な指標として、5年間の生存率を受け入れている。 本研究は胃癌および大腸癌患者の生存予測モデルを改善するための先駆的アプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-11T21:47:13Z)
• Parkinson's Disease Detection through Vocal Biomarkers and Advanced Machine Learning Algorithms [0.0]
  本研究は早期疾患予測の手段として, PD患者の声質変化の可能性について検討した。 XGBoost、LightGBM、Baging、AdaBoost、Support Vector Machineなど、さまざまな高度な機械学習アルゴリズムを活用する。 LightGBMは、100%の感度と94.43%の特異性を示し、他の機械学習アルゴリズムの精度とAUCスコアを上回った。
  論文  参考訳（メタデータ） (2023-11-09T15:21:10Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Parkinsons Disease Detection via Resting-State Electroencephalography Using Signal Processing and Machine Learning Techniques [0.0]
  パーキンソン病(英: Parkinsons Disease、PD)は、ドーパミン作動性ニューロンの変性により運動障害を引き起こす神経変性疾患である。 脳波はPD患者の異常を示す。 1つの大きな課題は、治療薬や治療薬で病気を綿密に監視するために、PDのための一貫性のある、正確で、体系的なバイオマーカーが欠如していることである。
  論文  参考訳（メタデータ） (2023-03-29T06:03:05Z)
• Reducing a complex two-sided smartwatch examination for Parkinson's Disease to an efficient one-sided examination preserving machine learning accuracy [63.20765930558542]
  パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。 本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
  論文  参考訳（メタデータ） (2022-05-11T09:12:59Z)

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。