論文の概要: SAFE-D: A Spatiotemporal Detection Framework for Abnormal Driving Among Parkinson's Disease-like Drivers

• arxiv url: http://arxiv.org/abs/2510.17517v1
• Date: Mon, 20 Oct 2025 13:17:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.461575
• Title: SAFE-D: A Spatiotemporal Detection Framework for Abnormal Driving Among Parkinson's Disease-like Drivers
• Title（参考訳）: SAFE-D : パーキンソン病様ドライバの異常運転のための時空間検出フレームワーク
• Authors: Hangcheng Cao, Baixiang Huang, Longzhi Yuan, Haonan An, Zihan Fang, Xianhao Chen, Yuguang Fang,
• Abstract要約: 運転安全性を高めるために,パーキンソン関連行動異常を検出する新しいフレームワークSAFE-Dを提案する。 本手法は, パーキンソン病の症状分析から始まり, 一次運動障害に着目し, 運転成績の低下に因果関係を確立する。 以上の結果より,SAFE-Dは正常運転パターンとパーキンソン病運転パターンの区別において平均96.8%の精度を達成できた。
• 参考スコア（独自算出の注目度）: 19.994128726538413
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A driver's health state serves as a determinant factor in driving behavioral regulation. Subtle deviations from normalcy can lead to operational anomalies, posing risks to public transportation safety. While prior efforts have developed detection mechanisms for functionally-driven temporary anomalies such as drowsiness and distraction, limited research has addressed pathologically-triggered deviations, especially those stemming from chronic medical conditions. To bridge this gap, we investigate the driving behavior of Parkinson's disease patients and propose SAFE-D, a novel framework for detecting Parkinson-related behavioral anomalies to enhance driving safety. Our methodology starts by performing analysis of Parkinson's disease symptomatology, focusing on primary motor impairments, and establishes causal links to degraded driving performance. To represent the subclinical behavioral variations of early-stage Parkinson's disease, our framework integrates data from multiple vehicle control components to build a behavioral profile. We then design an attention-based network that adaptively prioritizes spatiotemporal features, enabling robust anomaly detection under physiological variability. Finally, we validate SAFE-D on the Logitech G29 platform and CARLA simulator, using data from three road maps to emulate real-world driving. Our results show SAFE-D achieves 96.8% average accuracy in distinguishing normal and Parkinson-affected driving patterns.
• Abstract（参考訳）: 運転者の健康状態は、行動規制を駆動する決定要因として機能する。 正常化による過度の逸脱は、運用上の異常を引き起こし、公共交通機関の安全を損なう可能性がある。 従来の取り組みでは、機能的に駆動される一時的な異常、例えば眠気や気晴らしなどの検出メカニズムが開発されてきたが、限られた研究は、特に慢性的な医学的状態から生じる、病理学的に引き起こされた偏差に対処してきた。 このギャップを埋めるために, パーキンソン病患者の運転行動を調査し, 運転安全性を高めるために, パーキンソン関連行動異常を検出する新しい枠組みであるSAFE-Dを提案する。 本手法は, パーキンソン病の症状分析から始まり, 一次運動障害に着目し, 運転成績の低下に因果関係を確立する。 早期パーキンソン病のサブクリニカルな行動変化を表現するために,複数の車両制御部品からのデータを統合して行動プロファイルを構築する。 次に,空間的特徴を適応的に優先順位付けし,生理的変動下での頑健な異常検出を可能にする注意型ネットワークを設計する。 最後に,ロジテックG29プラットフォームとCARLAシミュレータ上でのSAFE-Dの有効性を検証する。 以上の結果より,SAFE-Dは正常運転パターンとパーキンソン病運転パターンの区別において平均96.8%の精度を達成できた。

関連論文リスト

• Hi-ALPS -- An Experimental Robustness Quantification of Six LiDAR-based Object Detection Systems for Autonomous Driving [49.64902130083662]
  3Dオブジェクト検出システム(OD)は、自動運転車の運転決定において重要な役割を果たす。 敵対的な例は、入力データの変化、すなわち偽造(falsify)、ODの予測において、小さな、時には洗練された摂動である。 異なる種類の摂動条件下で6つの最先端3D ODのロバスト性を定量化する。
  論文  参考訳（メタデータ） (2025-03-21T14:17:02Z)
• In-vehicle Sensing and Data Analysis for Older Drivers with Mild Cognitive Impairment [0.8426358786287627]
  本研究の目的は、高精度の位置決めとテレマティクスデータを得ることができる低コストの車内センシングハードウェアを設計することである。 軽度認知障害(MCI)と軽度認知障害(MCI)を比較した統計的分析の結果,MCIはよりスムーズで安全な運転パターンを示すことが明らかとなった。 我々のランダムフォレストモデルでは、夜間旅行の数、旅行数、教育がデータ評価に最も影響を及ぼす要因として特定されました。
  論文  参考訳（メタデータ） (2023-11-15T15:47:24Z)
• Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
  本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。 具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。 アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
  論文  参考訳（メタデータ） (2023-08-06T05:58:45Z)
• Early Detection of Parkinson's Disease using Motor Symptoms and Machine Learning [0.0]
  本研究の目的は、運動や歩行関連パラメータなどの早期に発症する一般的な症状に焦点を当て、経済的かつ堅牢なウェアラブルデバイスの実現可能性に関する定量的分析に到達することである。 Parkinson's Progression Markers Initiative (PPMI)のサブセットであるPPMI Gaitデータセットが機能選択に使用されている。 その後、パーキンソン症候群の早期発見のために、91.9%の精度でリアルタイムデータをテストするために、特定された影響力のある特徴が使用されている。
  論文  参考訳（メタデータ） (2023-04-18T19:13:05Z)
• Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
  本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。 提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
  論文  参考訳（メタデータ） (2022-07-26T02:08:08Z)
• GaitForeMer: Self-Supervised Pre-Training of Transformers via Human Motion Forecasting for Few-Shot Gait Impairment Severity Estimation [27.081767446317095]
  本稿では、GaitForeMer、Gait Forecastingおよび障害推定TransforMerを紹介する。 GaitForeMerは、歩行運動を予測するために、まず公開データセット上で事前訓練され、その後、歩行障害の重症度を予測するために臨床データに適用される。 F1スコアは0.76、精度は0.79、リコールは0.75である。
  論文  参考訳（メタデータ） (2022-06-30T21:29:47Z)
• Exploring Motion Boundaries in an End-to-End Network for Vision-based Parkinson's Severity Assessment [2.359557447960552]
  パーキンソン病の重症度を2つの重要な構成要素である手の動きと歩行で測定するためのエンドツーエンドのディープラーニングフレームワークを提示する。 本手法は,テンポラルセグメンテーションフレームワークで訓練された膨らんだ3次元cnnを用いて,映像データの時間構造と時間構造を学習する。 本研究では,25名のPD患者を対象に,手作業および歩行作業における72.3%,77.1%の上位1位精度のデータセットを用いて,提案手法を評価した。
  論文  参考訳（メタデータ） (2020-12-17T19:20:17Z)
• 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)
• Vision-based Estimation of MDS-UPDRS Gait Scores for Assessing Parkinson's Disease Motor Severity [39.51722822896373]
  パーキンソン病(英: Parkinson's disease、PD)は、運動機能に影響を及ぼす進行性神経疾患である。 PD障害の身体的重症度は、運動障害学会統一パーキンソン病評価尺度によって定量化することができる。 MDS-UPDRSの歩行スコアに基づいて、個人が撮影する非侵襲的な映像を観察し、3次元の身体骨格を抽出し、時間を通して追跡し、運動を分類するコンピュータビジョンベースモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-17T11:49:30Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。