論文の概要: Exploring the Efficacy of Modified Transfer Learning in Identifying Parkinson's Disease Through Drawn Image Patterns

• arxiv url: http://arxiv.org/abs/2510.05015v1
• Date: Mon, 06 Oct 2025 16:55:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.997547
• Title: Exploring the Efficacy of Modified Transfer Learning in Identifying Parkinson's Disease Through Drawn Image Patterns
• Title（参考訳）: ドローニング画像を用いたパーキンソン病診断におけるトランスファー学習の有効性の検討
• Authors: Nabil Daiyan, Md Rakibul Haque,
• Abstract要約: パーキンソン病(英: Parkinson's disease、PD)は、ドパミン作動性ニューロンの死を特徴とする進行性神経変性疾患である。 本研究では,PD検出のためのバイオマーカーとして手描きスパイラルと波動画像を用いた機械学習によるアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Parkinson's disease (PD) is a progressive neurodegenerative condition characterized by the death of dopaminergic neurons, leading to various movement disorder symptoms. Early diagnosis of PD is crucial to prevent adverse effects, yet traditional diagnostic methods are often cumbersome and costly. In this study, a machine learning-based approach is proposed using hand-drawn spiral and wave images as potential biomarkers for PD detection. Our methodology leverages convolutional neural networks (CNNs), transfer learning, and attention mechanisms to improve model performance and resilience against overfitting. To enhance the diversity and richness of both spiral and wave categories, the training dataset undergoes augmentation to increase the number of images. The proposed architecture comprises three phases: utilizing pre-trained CNNs, incorporating custom convolutional layers, and ensemble voting. Employing hard voting further enhances performance by aggregating predictions from multiple models. Experimental results show promising accuracy rates. For spiral images, weighted average precision, recall, and F1-score are 90%, and for wave images, they are 96.67%. After combining the predictions through ensemble hard voting, the overall accuracy is 93.3%. These findings underscore the potential of machine learning in early PD diagnosis, offering a non-invasive and cost-effective solution to improve patient outcomes.
• Abstract（参考訳）: パーキンソン病(英: Parkinson's disease、PD)は、ドパミン作動性ニューロンの死を特徴とする進行性神経変性疾患である。 PDの早期診断は副作用の予防に不可欠であるが、従来の診断法はしばしば困難でコストがかかる。 本研究では,PD検出のためのバイオマーカーとして手描きスパイラルと波動画像を用いた機械学習によるアプローチを提案する。 提案手法では,畳み込みニューラルネットワーク(CNN),伝達学習,アテンション機構を活用し,モデル性能とオーバーフィッティングに対するレジリエンスを向上させる。 スパイラルとウェーブの両方のカテゴリの多様性と豊かさを高めるために、トレーニングデータセットは、画像の数を増やすために強化される。 提案アーキテクチャは,事前学習したCNNの利用,独自の畳み込みレイヤの導入,およびアンサンブル投票の3段階からなる。 ハード投票を採用することで、複数のモデルからの予測を集約することで、パフォーマンスがさらに向上する。 実験結果から有望な精度が得られた。 スパイラル画像では、重み付き平均精度、リコール、F1スコアが90%、波動画像では96.67%である。 アンサンブルハード投票による予測を組み合わせれば、全体の精度は93.3%になる。 これらの知見は、早期PD診断における機械学習の可能性を強調し、患者の結果を改善するための非侵襲的で費用対効果の高いソリューションを提供する。

関連論文リスト

• Time-to-Event Pretraining for 3D Medical Imaging [44.46415168541444]
  本稿では,3次元医用画像モデルのための事前トレーニングフレームワークである,時間とイベントの事前トレーニングを紹介する。 我々は18,945個のCTスキャン(420万枚の2D画像)のデータセットと、何千ものEHR由来のタスクにまたがる時間-時間分布を用いています。 提案手法は,AUROCの平均値が23.7%,HarrellのC-インデックスが29.4%向上し,結果予測が向上する。
  論文  参考訳（メタデータ） (2024-11-14T11:08:54Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Multi-task Learning Approach for Intracranial Hemorrhage Prognosis [0.0]
  本稿では,Glasgow Coma Scale と Age の3次元マルチタスク画像モデルを提案する。 提案手法は現状のベースライン画像モデルより優れており,CTスキャンのみを入力として用いた4名の脳神経科医と比較してICH予後に優れていた。
  論文  参考訳（メタデータ） (2024-08-16T14:56:17Z)
• Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
  パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。 パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。 進行の段階を特定するために設計されたAIツールは存在しない。
  論文  参考訳（メタデータ） (2023-12-28T10:30:54Z)
• Parkinson's Disease Classification Using Contrastive Graph Cross-View Learning with Multimodal Fusion of SPECT Images and Clinical Features [5.660131312162423]
  パーキンソン病(PD)は世界中の何百万もの人に影響を与え、運動に影響を与えている。 以前の研究では、ディープラーニングをPD予測に利用し、主に医療画像に焦点を当て、データの基盤となる多様体構造を無視した。 本研究では,画像特徴と非画像特徴の両方を包含するマルチモーダルアプローチを提案し,PD分類にコントラッシブなクロスビューグラフ融合を利用する。
  論文  参考訳（メタデータ） (2023-11-25T02:32:46Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)

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。