論文の概要: A Novel CustNetGC Boosted Model with Spectral Features for Parkinson's Disease Prediction

• arxiv url: http://arxiv.org/abs/2511.15485v1
• Date: Wed, 19 Nov 2025 14:41:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.850877
• Title: A Novel CustNetGC Boosted Model with Spectral Features for Parkinson's Disease Prediction
• Title（参考訳）: パーキンソン病予測のためのスペクトル特徴を持つ新しいCustNetGCブーストモデル
• Authors: Abishek Karthik, Pandiyaraju V, Dominic Savio M, Rohit Swaminathan S,
• Abstract要約: 本稿では,パーキンソン病の診断効率を高めるために,CustNetGCと呼ばれる新しい分類と可視化モデルを提案する。 提案したCustNetGCの精度は99.06%,精度は95.83%であり,RAC曲線(AUC)以下の面積はPDクラス0.90,HCクラス0.89であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Parkinson's disease is a neurodegenerative disorder that can be very tricky to diagnose and treat. Such early symptoms can include tremors, wheezy breathing, and changes in voice quality as critical indicators of neural damage. Notably, there has been growing interest in utilizing changes in vocal attributes as markers for the detection of PD early on. Based on this understanding, the present paper was designed to focus on the acoustic feature analysis based on voice recordings of patients diagnosed with PD and healthy controls (HC). In this paper, we introduce a novel classification and visualization model known as CustNetGC, combining a Convolutional Neural Network (CNN) with Custom Network Grad-CAM and CatBoost to enhance the efficiency of PD diagnosis. We use a publicly available dataset from Figshare, including voice recordings of 81 participants: 40 patients with PD and 41 healthy controls. From these recordings, we extracted the key spectral features: L-mHP and Spectral Slopes. The L-mHP feature combines three spectrogram representations: Log-Mel spectrogram, harmonic spectrogram, and percussive spectrogram, which are derived using Harmonic-Percussive Source Separation (HPSS). Grad-CAM was used to highlight the important regions in the data, thus making the PD predictions interpretable and effective. Our proposed CustNetGC model achieved an accuracy of 99.06% and precision of 95.83%, with the area under the ROC curve (AUC) recorded at 0.90 for the PD class and 0.89 for the HC class. Additionally, the combination of CatBoost, a gradient boosting algorithm, enhanced the robustness and the prediction performance by properly classifying PD and non-PD samples. Therefore, the results provide the potential improvement in the CustNetGC system in enhancing diagnostic accuracy and the interpretability of the Parkinson's Disease prediction model.
• Abstract（参考訳）: パーキンソン病は神経変性疾患であり、診断と治療が非常に困難である。 初期の症状には、震え、息切れ、声質の変化などがあり、神経損傷の重要な指標となる。 特に、早期にPDを検出するマーカーとして、声質の変化を活用することへの関心が高まっている。 本研究は,PDと健康管理 (HC) と診断された患者の音声記録に基づく音響特徴分析に焦点をあてたものである。 本稿では、畳み込みニューラルネットワーク(CNN)とCustom Network Grad-CAMとCatBoostを組み合わせた新しい分類と可視化モデルCustNetGCを紹介し、PD診断の効率を向上させる。 参加者81名(PD患者40名、健常者41名)の音声記録を含む、Figshareから公開されているデータセットを使用します。 これらの記録から,L-mHP と Spectral Slopes のスペクトル特性を抽出した。 L-mHP機能は、3つのスペクトログラム表現を組み合わせた: Log-Mel spectrogram, harmonic spectrogram, percussive spectrogram。 Grad-CAMはデータの重要領域を強調するために用いられ、PD予測は解釈可能で効果的である。 提案したCustNetGCの精度は99.06%,精度は95.83%であり,RAC曲線(AUC)以下の面積はPDクラス0.90,HCクラス0.89であった。 さらに、勾配向上アルゴリズムであるCatBoostの組み合わせにより、PDおよび非PDサンプルを適切に分類することで、ロバスト性と予測性能が向上した。 その結果, パーキンソン病予知モデルの診断精度と解釈可能性を高めるために, CustNetGC システムに潜在的な改善がもたらされた。

関連論文リスト

• 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)
• Synthetic Time Series Data Generation for Healthcare Applications: A PCG Case Study [43.28613210217385]
  我々は、PCGデータを生成するために、最先端の3つの生成モデルを採用し、比較する。 その結果,生成したPCGデータは元のデータセットによく似ていることがわかった。 今後の研究では、この手法をデータ拡張パイプラインに組み込んで、異常なPCG信号を心臓の大腿骨で合成する予定である。
  論文  参考訳（メタデータ） (2024-12-17T18:07:40Z)
• PPINtonus: Early Detection of Parkinson's Disease Using Deep-Learning Tonal Analysis [0.0]
  PPINtonusはパーキンソン病の早期発見システムである。 深層学習音素解析を用いて、神経学的検査の代替手段を提供する。
  論文  参考訳（メタデータ） (2024-06-03T01:07:42Z)
• SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
  心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。 光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。 本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-15T01:07:08Z)
• 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)
• Machine Learning-Based Detection of Parkinson's Disease From Resting-State EEG: A Multi-Center Study [0.125828876338076]
  安静時脳波(rs-EEG)はパーキンソン病(PD)の診断に有効である。 本研究では,異なるセンターで得られた4つのデータセットから,84 PDのRS-EEG記録と85 PDの非PD被験者をプールした。 本稿では,プリプロセッシング,臨床的に検証された周波数帯域からのPSD特徴抽出,特徴選択によるエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-03-02T16:19:24Z)
• CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis [37.41181188499616]
  深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。 5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。 The U-Net-based model was developed to identified a clinically relevant region of the CXR。
  論文  参考訳（メタデータ） (2022-10-11T13:30:34Z)
• Pose-based Tremor Classification for Parkinson's Disease Diagnosis from Video [13.6403722052414]
  パーキンソン病(英: Parkinson's disease、PD)は、様々な運動障害症状を引き起こす進行性神経変性疾患である。 パーキンソンの震動はPDの強い一般化性を示す最も主要な症状の1つである。 本稿では,SPAPNetを提案する。SPAPNetは,PD警告サインとして,低コストのPT分類結果を提供するための入力として,カメラに面する人間の動作の,コンシューマグレードの非侵襲的なビデオ記録のみを必要とする。
  論文  参考訳（メタデータ） (2022-07-14T11:32:42Z)
• Comparative Study of Speech Analysis Methods to Predict Parkinson's Disease [0.0]
  発声障害は、変性する前にこの疾患を検出するために用いられる。 この研究は、PDを予測するための音声特徴と機械学習アプローチを分析する。 全ての音響特性とMFCCを使い、SVMと共に98%の精度で最高の性能を実現した。
  論文  参考訳（メタデータ） (2021-11-15T04:29:51Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Heart Sound Segmentation using Bidirectional LSTMs with Attention [37.62160903348547]
  心電図(PCG)信号を心臓状態に分割するための新しい枠組みを提案する。 我々は近年の注目に基づく学習の進歩を利用してPCG信号のセグメンテーションを行う。 提案手法は,ヒトと動物の両方の心臓記録を含む複数のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-04-02T02:09:11Z)

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。