論文の概要: Attention-Based Deep Learning for Early Parkinson's Disease Detection with Tabular Biomedical Data

• arxiv url: http://arxiv.org/abs/2602.07933v1
• Date: Sun, 08 Feb 2026 12:03:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.878564
• Title: Attention-Based Deep Learning for Early Parkinson's Disease Detection with Tabular Biomedical Data
• Title（参考訳）: 早期パーキンソン病検出のための意識に基づく深層学習
• Authors: Olamide Samuel Oseni, Ibraheem Omotolani Obanla, Toheeb Aduramomi Jimoh,
• Abstract要約: パーキンソン病(PD)の早期かつ正確な診断は、医療診断において重要な課題である。 従来の機械学習(ML)モデルはPD検出に広く適用されているが、しばしば広範な機能工学に依存し、複雑な機能相互作用を捉えるのに苦労する。 本稿では,Multi-Layer Perceptron (MLP), Gradient Boosting, TabNet, SAINTの4つの分類モデルの比較評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early and accurate detection of Parkinson's disease (PD) remains a critical challenge in medical diagnostics due to the subtlety of early-stage symptoms and the complex, non-linear relationships inherent in biomedical data. Traditional machine learning (ML) models, though widely applied to PD detection, often rely on extensive feature engineering and struggle to capture complex feature interactions. This study investigates the effectiveness of attention-based deep learning models for early PD detection using tabular biomedical data. We present a comparative evaluation of four classification models: Multi-Layer Perceptron (MLP), Gradient Boosting, TabNet, and SAINT, using a benchmark dataset from the UCI Machine Learning Repository consisting of biomedical voice measurements from PD patients and healthy controls. Experimental results show that SAINT consistently outperformed all baseline models across multiple evaluation metrics, achieving a weighted precision of 0.98, weighted recall of 0.97, weighted F1-score of 0.97, a Matthews Correlation Coefficient (MCC) of 0.9990, and the highest Area Under the ROC Curve (AUC-ROC). TabNet and MLP demonstrated competitive performance, while Gradient Boosting yielded the lowest overall scores. The superior performance of SAINT is attributed to its dual attention mechanism, which effectively models feature interactions within and across samples. These findings demonstrate the diagnostic potential of attention-based deep learning architectures for early Parkinson's disease detection and highlight the importance of dynamic feature representation in clinical prediction tasks.
• Abstract（参考訳）: パーキンソン病(PD)の早期かつ正確な検出は、初期症状の微妙さと、生医学的なデータに固有の複雑な非線形関係により、医療診断において重要な課題である。 従来の機械学習(ML)モデルはPD検出に広く適用されているが、しばしば広範な機能工学に依存し、複雑な機能相互作用を捉えるのに苦労する。 本研究では,注意に基づく深層学習モデルによる早期PD検出の有効性について検討した。 UCI Machine Learning Repositoryのベンチマークデータセットを用いたMLP(Multi-Layer Perceptron)、Gradient Boosting、TabNet、SAINTの4つの分類モデルの比較評価を行った。 実験結果から、SAINTは複数の評価指標で一貫して全てのベースラインモデルより優れており、重み付き精度は0.98、重み付きリコールは0.97、重み付きF1スコアは0.97、マシューズ相関係数(MCC)は0.9990、最高値はROC曲線(AUC-ROC)であることがわかった。 TabNetとMLPは競争力を示し、グラディエント・ブースティングは総合得点で最低となった。 SAINTの優れたパフォーマンスは、サンプル間の相互作用を効果的にモデル化する二重アテンション機構によるものである。 これらの結果は、パーキンソン病早期発見のための注意に基づくディープラーニングアーキテクチャの診断可能性を示し、臨床予測タスクにおける動的特徴表現の重要性を強調した。

関連論文リスト

• Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
  回帰に基づくタスクの基礎モデルを体系的に評価する。 我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。 乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
  論文  参考訳（メタデータ） (2026-01-29T14:06:50Z)
• Residual GRU+MHSA: A Lightweight Hybrid Recurrent Attention Model for Cardiovascular Disease Detection [1.267904597444312]
  臨床記録のためのコンパクトなディープラーニングアーキテクチャであるMulti-Head Self-Attentionを用いたResidual GRUを提案する。 5倍層状クロスバリデーションを用いたUCI心疾患データセットのモデルについて検討した。 提案モデルでは, 0.861, 0.860のマクロF1, 0.908のROC-AUC, 0.904のPR-AUCが全ベースラインを上回る精度で達成されている。
  論文  参考訳（メタデータ） (2025-12-16T16:33:59Z)
• The use of vocal biomarkers in the detection of Parkinson's disease: a robust statistical performance comparison of classic machine learning models [1.3538255028226323]
  パーキンソン病(英: Parkinson's disease、PD)は、進行性神経変性疾患であり、機能的モビリティの障害に加えて、しばしば発声障害と関連している。 PDの早期診断を支援するための声帯バイオマーカーの使用は、臨床的設定において非侵襲的で低コストでアクセスしやすい代替手段を示す。 本研究は、PD患者と健常者との区別におけるディープニューラルネットワーク(DNN)の有効性を一貫して評価した。
  論文  参考訳（メタデータ） (2025-11-20T23:43:38Z)
• Bridging Accuracy and Interpretability: Deep Learning with XAI for Breast Cancer Detection [0.0]
  乳腺腫瘤のFNA(Digitalized Fine needle Aspirate)画像から抽出した定量的特徴を用いて,乳がん早期発見のための解釈可能なディープラーニングフレームワークを提案する。 私たちのディープニューラルネットワークは、ReLUアクティベーション、Adam視覚化、バイナリクロスエントロピー損失を使用して、最先端の分類性能を提供します。
  論文  参考訳（メタデータ） (2025-10-18T07:47:26Z)
• Clinical NLP with Attention-Based Deep Learning for Multi-Disease Prediction [44.0876796031468]
  本稿では,電子健康記録テキストの非構造的性質と高次元意味論的複雑さがもたらす課題について論じる。 情報抽出と多ラベル病予測のための統合モデリングを実現するために,注意機構に基づく深層学習手法を提案する。
  論文  参考訳（メタデータ） (2025-07-02T07:45:22Z)
• Urinary Tract Infection Detection in Digital Remote Monitoring: Strategies for Managing Participant-Specific Prediction Complexity [43.108040967674185]
  尿路感染症(UTIs)は特に認知症(PLWD)の患者にとって重要な健康上の問題である この研究は、PLWDのUTIを検出する機械学習(ML)を利用した以前の研究に基づいている。
  論文  参考訳（メタデータ） (2025-02-18T12:01:55Z)
• 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)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Alzheimer's disease detection in PSG signals [2.8691549050152965]
  アルツハイマー病(AD)と睡眠障害は密接に関連しており、睡眠パターンの混乱は早期ADの発症に先行することが多い。 本研究は、睡眠関連脳波(EEG)信号によるADの早期検出の可能性について検討した。 我々の主な焦点は、データ可用性に制限があるため、脳波信号の分類のための半教師付きディープラーニング技術を探ることである。
  論文  参考訳（メタデータ） (2024-04-04T15:56:23Z)

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。