論文の概要: Predicting Parkinson's Disease Progression Using Statistical and Neural Mixed Effects Models: A Comparative Study on Longitudinal Biomarkers
- arxiv url: http://arxiv.org/abs/2507.20058v1
- Date: Sat, 26 Jul 2025 20:56:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 16:23:56.781268
- Title: Predicting Parkinson's Disease Progression Using Statistical and Neural Mixed Effects Models: A Comparative Study on Longitudinal Biomarkers
- Title（参考訳）: 統計的およびニューラル混合効果モデルを用いたパーキンソン病進展予測:縦型バイオマーカーの比較検討
- Authors: Ran Tong, Lanruo Wang, Tong Wang, Wei Yan,
- Abstract要約: パーキンソン病(PD)の進行を予測することは重要であり、音声バイオマーカーは遠隔監視を通じて症状の重症度(UPDRS)を追跡する非侵襲的な方法を提供する。
本研究は2つの先進ハイブリッドアプローチに対してLMMをベンチマークする。
PDRS予測におけるこれらのモデルの性能を評価し,PD研究と臨床応用の実践的ガイダンスを提供する。
- 参考スコア（独自算出の注目度）: 7.953527165578974
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Predicting Parkinson's Disease (PD) progression is crucial, and voice biomarkers offer a non-invasive method for tracking symptom severity (UPDRS scores) through telemonitoring. Analyzing this longitudinal data is challenging due to within-subject correlations and complex, nonlinear patient-specific progression patterns. This study benchmarks LMMs against two advanced hybrid approaches: the Generalized Neural Network Mixed Model (GNMM) (Mandel 2021), which embeds a neural network within a GLMM structure, and the Neural Mixed Effects (NME) model (Wortwein 2023), allowing nonlinear subject-specific parameters throughout the network. Using the Oxford Parkinson's telemonitoring voice dataset, we evaluate these models' performance in predicting Total UPDRS to offer practical guidance for PD research and clinical applications.
- Abstract（参考訳）: パーキンソン病(PD)の進行を予測することは重要であり、音声バイオマーカーは遠隔監視を通じて症状の重症度(UPDRSスコア)を追跡する非侵襲的な方法を提供する。
この経時的データの解析は, 対象内相関と複雑で非線形な患者特異的進行パターンにより困難である。
本研究では、GLMM構造内にニューラルネットワークを埋め込んだ一般化ニューラルネットワーク混合モデル(GNMM)(Mandel 2021)と、ネットワーク全体にわたって非線形な主観的パラメータを許容するニューラル混合効果モデル(Wortwein 2023)の2つの先進的ハイブリッドアプローチに対して、LMMをベンチマークする。
オックスフォード・パーキンソン(Oxford Parkinson)の遠隔監視音声データセットを用いて、PDRS予測におけるこれらのモデルの性能を評価し、PD研究および臨床応用のための実用的なガイダンスを提供する。
関連論文リスト
- Modeling COVID-19 spread in the USA using metapopulation SIR models coupled with graph convolutional neural networks [0.0]
グラフ畳み込みニューラルネットワーク(GCN)は、データ集約的な課題に対処する上で、非常に有望であることを示している。
メタポピュレーション間の人体移動を取り入れることで、感受性-感染-回復モデル(SIR)の予測を改善する試みがいくつかなされている。
近年,GCN-SIRのハイブリッド手法は,地域レベルで収集したデータに対して,既存の手法よりも優れていることが報告されている。
論文 参考訳（メタデータ） (2025-01-03T18:06:26Z) - GAMMA-PD: Graph-based Analysis of Multi-Modal Motor Impairment Assessments in Parkinson's Disease [9.69595196614787]
本稿では,多モード臨床データ解析のための新しいヘテロジニアスハイパーグラフ融合フレームワークであるGAMA-PDを提案する。
GAMMA-PDは、高次情報を保存することにより、画像と非画像データを"ハイパーネットワーク"(患者集団グラフ)に統合する。
パーキンソン病における運動障害症状の予測に有意な改善が認められた。
論文 参考訳（メタデータ） (2024-10-01T15:51:33Z) - Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - 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) - Multi-level Phenotypic Models of Cardiovascular Disease and Obstructive Sleep Apnea Comorbidities: A Longitudinal Wisconsin Sleep Cohort Study [5.129044301709751]
閉塞性睡眠時無呼吸症候群(OSA)患者における心血管疾患(CVD)の意義
従来のモデルでは、OSA患者のCVD軌跡を正確に予測するために必要な動的および縦方向のスコープが欠如している。
本研究では,ウィスコンシン・スリープ・コーホートのデータを利用して,これらの状態の進行と相互作用を時間とともに解析する,新しい多段階表現型モデルを提案する。
論文 参考訳（メタデータ） (2024-06-19T04:50:16Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - A Light-weight CNN Model for Efficient Parkinson's Disease Diagnostics [1.382077805849933]
提案モデルは,時系列信号の特性を適応させるために,畳み込みニューラルネットワーク(CNN)から短期記憶(LSTM)へと変換される。
実験結果から,提案モデルでは,パラメータや操作がはるかに少ない複数の評価指標に対して,高品質な診断結果が得られることがわかった。
論文 参考訳（メタデータ） (2023-02-02T09:49:07Z) - Exploratory Hidden Markov Factor Models for Longitudinal Mobile Health
Data: Application to Adverse Posttraumatic Neuropsychiatric Sequelae [6.0431675579125415]
外傷性神経精神医学の後遺症(APNS)は、外傷性曝露後、退役軍人や数百万人のアメリカ人の間で一般的である。
過去数十年にわたってAPNSで多くの研究が行われてきたが、基礎となる神経生物学的メカニズムの理解は限られている。
論文 参考訳（メタデータ） (2022-02-25T16:53:22Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z) - Epileptic Seizure Classification with Symmetric and Hybrid Bilinear
Models [20.376912072606412]
本稿では, 難治性てんかんの診断に応用したハイブリッドバイリニア深層学習ネットワークを提案する。
診断の精度は、医療症状の重複、様々な経験のレベル、および臨床専門職間の多様性によっても複雑である。
論文 参考訳（メタデータ） (2020-01-15T03:22:10Z)
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。