Fugu-MT 論文翻訳(概要): Dynamic Facial Expressions Analysis Based Parkinson's Disease Auxiliary Diagnosis

論文の概要: Dynamic Facial Expressions Analysis Based Parkinson's Disease Auxiliary Diagnosis

arxiv url: http://arxiv.org/abs/2512.09276v1
Date: Wed, 10 Dec 2025 02:57:21 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-11 15:14:53.378896
Title: Dynamic Facial Expressions Analysis Based Parkinson's Disease Auxiliary Diagnosis
Title（参考訳）: パーキンソン病補助診断に基づく動的顔面表情解析
Authors: Xiaochen Huang, Xiaochen Bi, Cuihua Lv, Xin Wang, Haoyan Zhang, Wenjing Jiang, Xin Ma, Yibin Li,
Abstract要約: 動的表情解析に基づくパーキンソン病補助診断法を開発した。 PDの特徴的な臨床症状である低体温症を、顔の表現力の低下と顔の硬さの2つの症状を解析することによって標的とする。精度は93.1%で、他のin-vitro PD診断法より優れている。
参考スコア（独自算出の注目度）: 10.516507364144676
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Parkinson's disease (PD), a prevalent neurodegenerative disorder, significantly affects patients' daily functioning and social interactions. To facilitate a more efficient and accessible diagnostic approach for PD, we propose a dynamic facial expression analysis-based PD auxiliary diagnosis method. This method targets hypomimia, a characteristic clinical symptom of PD, by analyzing two manifestations: reduced facial expressivity and facial rigidity, thereby facilitating the diagnosis process. We develop a multimodal facial expression analysis network to extract expression intensity features during patients' performance of various facial expressions. This network leverages the CLIP architecture to integrate visual and textual features while preserving the temporal dynamics of facial expressions. Subsequently, the expression intensity features are processed and input into an LSTM-based classification network for PD diagnosis. Our method achieves an accuracy of 93.1%, outperforming other in-vitro PD diagnostic approaches. This technique offers a more convenient detection method for potential PD patients, improving their diagnostic experience.
Abstract（参考訳）: パーキンソン病(英: Parkinson's disease、PD)は、神経変性疾患である。 PDのより効率的かつアクセシブルな診断を容易にするために,動的表情解析に基づくPD補助診断法を提案する。本手法は、顔の表現力低下と顔の剛性低下という2つの症状を解析し、診断プロセスを容易にすることにより、PDの特徴的な臨床症状である低視症を標的とする。種々の表情の患者のパフォーマンスにおける表情強度の特徴を抽出するマルチモーダル表情解析ネットワークを開発した。このネットワークは、CLIPアーキテクチャを利用して、顔表情の時間的ダイナミクスを保ちながら、視覚的特徴とテキスト的特徴を統合する。その後、発現強度特徴を処理し、SD診断のためのLSTMベースの分類ネットワークに入力する。本手法は、他の生体内PD診断方法よりも優れた93.1%の精度を実現する。この技術は、潜在的なPD患者に対してより便利な検出方法を提供し、診断経験を改善している。

関連論文リスト

Sim4Seg: Boosting Multimodal Multi-disease Medical Diagnosis Segmentation with Region-Aware Vision-Language Similarity Masks [54.00822479127598]
医療診断(MDS)という医用視覚言語タスクについて紹介する。 MDSは、医療画像に対する臨床クエリを理解し、対応するセグメンテーションマスクと診断結果を生成することを目的としている。診断セグメンテーションの性能を向上させる新しいフレームワークであるSim4Segを提案する。
論文参考訳（メタデータ） (2025-11-10T03:22:42Z)
Conditional Neural ODE for Longitudinal Parkinson's Disease Progression Forecasting [51.906871559732245]
パーキンソン病(PD)は異質で進化する脳形態計測パターンを示す。これらの縦方向の軌跡をモデル化することで、機械的な洞察、治療の発展、そして個別化された「デジタルツイン」予測が可能になる。連続的な個人化されたPD進行予測のための新しいフレームワークであるCNODEを提案する。
論文参考訳（メタデータ） (2025-11-06T20:16:33Z)
Facial Expression-based Parkinson's Disease Severity Diagnosis via Feature Fusion and Adaptive Class Balancing [19.762525819170083]
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。
論文参考訳（メタデータ） (2025-10-20T10:09:12Z)
CAST-Phys: Contactless Affective States Through Physiological signals Database [74.28082880875368]
感情的なマルチモーダルデータセットの欠如は、正確な感情認識システムを開発する上で、依然として大きなボトルネックとなっている。遠隔の生理的感情認識が可能な新しい高品質なデータセットであるCAST-Physを提示する。本分析では,表情だけでは十分な感情情報が得られない現実的なシナリオにおいて,生理的信号が重要な役割を担っていることを強調した。
論文参考訳（メタデータ） (2025-07-08T15:20:24Z)
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)
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)
MMDS: A Multimodal Medical Diagnosis System Integrating Image Analysis and Knowledge-based Departmental Consultation [44.16528320070089]
MMDSは、医療画像や患者の顔の詳細を認識できるシステムである。第1の構成要素は、医療画像とビデオの分析である。第2の要素は、専門的な医療反応の生成である。
論文参考訳（メタデータ） (2024-10-20T14:31:05Z)
Enhancing Skin Disease Diagnosis: Interpretable Visual Concept Discovery with SAM [41.398287899966995]
現在のAIによる皮膚画像診断は、皮膚がんの分類において皮膚科レベルのパフォーマンスを達成している。皮膚病変診断のための新しいクロス・アテテーティブ・フュージョン・フレームワークを提案する。
論文参考訳（メタデータ） (2024-09-14T20:11:25Z)
Automated Parkinson's Disease Detection and Affective Analysis from Emotional EEG Signals [4.23779873473242]
本研究は、感情脳波(EEG)信号のPDと健康管理(HC)の感情的差異を理解するための有用性について検討する。従来の機械学習と深層学習を用いて、(a)次元的・カテゴリー的感情認識と(b)感情脳波信号からのPDとHCの分類を探索する。
論文参考訳（メタデータ） (2022-02-21T00:34:34Z)
Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。