論文の概要: Enhancing Noise Robustness of Parkinson's Disease Telemonitoring via Contrastive Feature Augmentation
- arxiv url: http://arxiv.org/abs/2510.01588v1
- Date: Thu, 02 Oct 2025 02:07:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-03 16:59:20.94947
- Title: Enhancing Noise Robustness of Parkinson's Disease Telemonitoring via Contrastive Feature Augmentation
- Title（参考訳）: コントラスト機能増強によるパーキンソン病テレモニタリングのノイズロバスト性向上
- Authors: Ziming Tang, Chengbin Hou, Tianyu Zhang, Bangxu Tian, Jinbao Wang, Hairong Lv,
- Abstract要約: パーキンソン病(英: Parkinson's disease、PD)は、神経変性疾患の1つである。
PDテレモニターは、Unified Parkinson's Disease Rating Scale (UPDRS)の自己管理型家庭内テストを可能にする新しい評価モダリティとして出現する。
- 参考スコア（独自算出の注目度）: 20.679002690139548
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Parkinson's disease (PD) is one of the most common neurodegenerative disorder. PD telemonitoring emerges as a novel assessment modality enabling self-administered at-home tests of Unified Parkinson's Disease Rating Scale (UPDRS) scores, enhancing accessibility for PD patients. However, three types of noise would occur during measurements: (1) patient-induced measurement inaccuracies, (2) environmental noise, and (3) data packet loss during transmission, resulting in higher prediction errors. To address these challenges, NoRo, a noise-robust UPDRS prediction framework is proposed. First, the original speech features are grouped into ordered bins, based on the continuous values of a selected feature, to construct contrastive pairs. Second, the contrastive pairs are employed to train a multilayer perceptron encoder for generating noise-robust features. Finally, these features are concatenated with the original features as the augmented features, which are then fed into the UPDRS prediction models. Notably, we further introduces a novel evaluation approach with customizable noise injection module, and extensive experiments show that NoRo can successfully enhance the noise robustness of UPDRS prediction across various downstream prediction models under different noisy environments.
- Abstract（参考訳）: パーキンソン病(英: Parkinson's disease、PD)は、神経変性疾患の1つである。
PDテレモニターは、UPDRS(Unified Parkinson's Disease Rating Scale)スコアの自己管理された家庭内テストを可能にする新しい評価モダリティとして出現し、PD患者のアクセシビリティを高める。
しかし,(1)患者による測定の不正確な測定,(2)環境騒音,(3)送信中のデータパケットの損失の3種類のノイズは,高い予測誤差をもたらす。
これらの課題に対処するため、ノイズロストなUPDRS予測フレームワークであるNoRoが提案されている。
まず、元の音声特徴を、選択した特徴の連続値に基づいて順序付きビンにグループ化し、コントラッシブなペアを構築する。
次に、コントラスト対を用いてマルチ層パーセプトロンエンコーダを訓練し、ノイズロス特性を生成する。
最後に、これらの機能は拡張機能として元の機能と結合され、UPDRS予測モデルに入力される。
さらに, ノイズインジェクションモジュールを用いた新しい評価手法を導入し, 様々な雑音環境下での様々な下流予測モデルにおいて, NoRoがUPDRS予測のノイズロバスト性を向上できることを実験的に示す。
関連論文リスト
- InJecteD: Analyzing Trajectories and Drift Dynamics in Denoising Diffusion Probabilistic Models for 2D Point Cloud Generation [48.55037712252843]
InJecteDは拡散確率モデル(DDPM)を解釈するフレームワーク
このフレームワークをDatasaurus Dozen bullseye, dino, circleの3つのデータセットに適用する。
提案手法は, 変位, 速度, クラスタリング, ドリフト場力学などの軌道特性を定量的に評価する。
論文 参考訳（メタデータ） (2025-09-09T14:53:19Z) - InceptoFormer: A Multi-Signal Neural Framework for Parkinson's Disease Severity Evaluation from Gait [6.155129200870887]
InceptoFormerは、歩行動態解析によるパーキンソン病重症度評価のために設計された多信号ニューラルネットワークフレームワークである。
我々のアーキテクチャでは、インセプションモデルの1D適応を導入し、それをインセプション1Dと呼び、Hehn and Yahr(H&Y)スケールに従ってPD重大化を行うトランスフォーマーベースのフレームワークも導入しています。
InceptoFormerは96.6%の精度を達成し、PD重大度評価において既存の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2025-08-06T15:27:11Z) - Evaluating the Effectiveness of Pre-Trained Audio Embeddings for Classification of Parkinson's Disease Speech Data [0.7673339435080445]
パーキンソン病のバイオマーカーとしての音声障害
ディープアコースティックな特徴はPD分類の可能性を示唆しているが、その効果は話者の違いによってしばしば異なる。
本研究では,PD分類における3つの事前学習オーディオ埋め込みの有効性について検討した。
論文 参考訳（メタデータ） (2025-06-02T09:32:54Z) - Distinguishing Parkinson's Patients Using Voice-Based Feature Extraction and Classification [0.0]
本研究は、パーキンソン病患者の音声特徴の抽出と分類を通じて、健常者からパーキンソン病を区別することに焦点を当てる。
また,3層ニューラルネットワークアーキテクチャの精度を従来の機械学習アルゴリズムと比較した。
論文 参考訳（メタデータ） (2025-01-24T10:44:16Z) - Inference Stage Denoising for Undersampled MRI Reconstruction [13.8086726938161]
磁気共鳴画像(MRI)データの再構成は、ディープラーニングによって肯定的な影響を受けている。
重要な課題は、トレーニングとテストデータ間の分散シフトへの一般化を改善することだ。
論文 参考訳（メタデータ） (2024-02-12T12:50:10Z) - 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) - SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。
推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。
拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
論文 参考訳（メタデータ） (2023-10-03T05:05:35Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳（メタデータ） (2023-01-19T21:39:38Z) - Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。
4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
論文 参考訳（メタデータ） (2023-01-18T04:54:58Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z)
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。