論文の概要: Facial Expression-based Parkinson's Disease Severity Diagnosis via Feature Fusion and Adaptive Class Balancing

• arxiv url: http://arxiv.org/abs/2510.17373v2
• Date: Tue, 21 Oct 2025 04:16:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.034462
• Title: Facial Expression-based Parkinson's Disease Severity Diagnosis via Feature Fusion and Adaptive Class Balancing
• Title（参考訳）: 顔表情に基づくパーキンソン病重症度診断 : 特徴融合と適応型クラスバランス
• Authors: Yintao Zhou, Wei Huang, Zhengyu Li, Jing Huang, Meng Pang,
• Abstract要約: 現在の表情に基づくアプローチは、しばしば単一のタイプの表現に依存し、誤診につながることがある。 既存の手法のほとんどは、PDの重症度を診断するのではなく、バイナリ分類(PD/非PD)に焦点を当てている。 本稿では,複数の表情特徴を注意型特徴融合により統合したPD重症度診断のための新しい表情ベース手法を提案する。
• 参考スコア（独自算出の注目度）: 19.762525819170083
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Parkinson's disease (PD) severity diagnosis is crucial for early detecting potential patients and adopting tailored interventions. Diagnosing PD based on facial expression is grounded in PD patients' "masked face" symptom and gains growing interest recently for its convenience and affordability. However, current facial expression-based approaches often rely on single type of expression which can lead to misdiagnosis, and ignore the class imbalance across different PD stages which degrades the prediction performance. Moreover, most existing methods focus on binary classification (i.e., PD / non-PD) rather than diagnosing the severity of PD. To address these issues, we propose a new facial expression-based method for PD severity diagnosis which integrates multiple facial expression features through attention-based feature fusion. Moreover, we mitigate the class imbalance problem via an adaptive class balancing strategy which dynamically adjusts the contribution of training samples based on their class distribution and classification difficulty. Experimental results demonstrate the promising performance of the proposed method for PD severity diagnosis, as well as the efficacy of attention-based feature fusion and adaptive class balancing.
• Abstract（参考訳）: パーキンソン病(PD)の重症度診断は、早期発見と治療の適応に不可欠である。 表情に基づくPDの診断は、PD患者の「仮面」症状に基礎を置いており、近年その利便性と手頃さのために関心が高まっている。 しかし、現在の表情に基づくアプローチは、しばしば誤診につながる1種類の表現に依存し、予測性能を低下させる異なるPDステージ間のクラス不均衡を無視する。 さらに、既存のほとんどの手法は、PDの重症度を診断するのではなく、バイナリ分類(PD/非PD)に焦点を当てている。 これらの課題に対処するために,注意に基づく特徴融合により複数の表情特徴を統合するPD重症度診断のための新しい表情ベース手法を提案する。 さらに,クラス分布と分類困難度に基づいて,トレーニングサンプルの寄与度を動的に調整する適応型クラスバランス戦略により,クラス不均衡問題を緩和する。 実験により,PD重度診断のための提案手法の有望な性能を示すとともに,注意に基づく特徴融合と適応型クラスバランスの有効性を示す。

関連論文リスト

• A Multimodal In Vitro Diagnostic Method for Parkinson's Disease Combining Facial Expressions and Behavioral Gait Data [9.985151413833364]
  パーキンソン病(PD)は、患者とその家族の生活に重大な課題をもたらす。 In vitroでの診断は、非侵襲的な性質と低コストのために注目されている。 本稿では, 顔表情と行動歩行を利用して, PDのマルチモーダルインビトロ診断法を提案する。
  論文  参考訳（メタデータ） (2025-06-21T05:20:46Z)
• Test-Time-Scaling for Zero-Shot Diagnosis with Visual-Language Reasoning [37.37330596550283]
  視覚言語モデルを用いた信頼性のある医用画像診断のためのフレームワークを提案する。 テストタイムスケーリング戦略は、複数の候補出力を信頼性のある最終診断に集約する。 様々な医用画像モダリティにまたがるアプローチを評価する。
  論文  参考訳（メタデータ） (2025-06-11T22:23:38Z)
• Artificial intelligence-enabled detection and assessment of Parkinson's disease using multimodal data: A survey [2.06242362470764]
  現在、パーキンソン病の診断、重症度の評価、進行の追跡に有効なバイオマーカーは存在しない。 現在、多くのAIアルゴリズムがPD診断と治療に使われており、多モードおよび異種疾患の症状データに基づいて様々な分類タスクを実行することができる。 PDの可能性を予測し、個人または複数の症状の重症度を評価し、早期発見を支援し、リハビリテーションと治療効果を評価することを含む、表現力のあるフィードバックを提供する。
  論文  参考訳（メタデータ） (2025-02-15T07:26:52Z)
• Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction [45.89562183034469]
  既存のディープラーニング診断予測モデルと本質的な解釈性は、過去の診断や病院訪問の度に注意重みを割り当てることが多い。 我々は、パーソナライズされた簡潔で忠実な説明を提供するように設計された、自己説明型ハイパーグラフニューラルネットワークモデルSHyを紹介する。 SHyは高次疾患の相互作用を捉え、パーソナライズされた説明として異なる時間的表現型を抽出する。
  論文  参考訳（メタデータ） (2025-02-15T06:33:02Z)
• Efficient and Comprehensive Feature Extraction in Large Vision-Language Model for Pathology Analysis [37.11302829771659]
  大規模視覚言語モデル(LVLM)は、入力解像度の制約によって制限され、病理画像解析の効率と精度を損なう。 課題誘導型機能拡張と課題誘導型詳細機能補完の2つの革新的戦略を提案する。 OmniPathは診断精度と効率において既存の方法よりも優れていた。
  論文  参考訳（メタデータ） (2024-12-12T18:07:23Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Morphological feature visualization of Alzheimer's disease via Multidirectional Perception GAN [40.50404819220093]
  アルツハイマー病(AD)の重症度を示す形態的特徴を可視化するために, 新規な多方向知覚生成適応ネットワーク(MP-GAN)を提案する。 MP-GANは既存の手法に比べて優れた性能を発揮する。
  論文  参考訳（メタデータ） (2021-11-25T03:24:52Z)
• Spatiotemporal Ground Reaction Force Analysis using Convolutional Neural Networks to Analyze Parkinsonian Gait [0.0]
  パーキンソン病(英: Parkinsons disease, PD)は、高齢者の生活の質を大幅に低下させる不治の病気である。 本稿では,PDに関連する歩行パターンの変化を識別する鍵パラメータとして,原地反応力(GRF)を同定した。 提案アルゴリズムは、PDの重症度を特定し、パーキンソン歩行と健康歩行を区別することができる。
  論文  参考訳（メタデータ） (2021-02-01T04:30:34Z)
• Machine learning for the diagnosis of Parkinson's disease: A systematic review [15.463800489731373]
  我々は2020年2月14日まで,PubMed と IEEE Xplore データベースを用いて,系統的な文献レビューを行った。 関連情報として抽出され,本システムレビューで提示された計209件の研究結果を含む。 これらの研究は、臨床意思決定における機械学習手法と新しいバイオマーカーの適応の可能性を示す。
  論文  参考訳（メタデータ） (2020-10-13T01:14:04Z)

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。