論文の概要: Freezing of Gait Prediction using Proactive Agent that Learns from Selected Experience and DDQN Algorithm

• arxiv url: http://arxiv.org/abs/2603.03651v1
• Date: Wed, 04 Mar 2026 02:16:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.155496
• Title: Freezing of Gait Prediction using Proactive Agent that Learns from Selected Experience and DDQN Algorithm
• Title（参考訳）: 選択経験とDDQNアルゴリズムから学習したプロアクティブエージェントによる歩行予測の凍結
• Authors: Septian Enggar Sukmana, Sang Won Bae, Tomohiro Shibata,
• Abstract要約: フリーズ・オブ・ゲイト(英: Freezing of Gait、FOG)は、パーキンソン病(PD)患者が経験する不安定な運動症状である。 本研究は、最適なFOG開始点を特定するための強化学習に基づくフレームワークを提案する。 このモデルはFOGの開始まで最大8.72秒、主観非依存のシナリオは7.89秒という予測の地平を達成した。
• 参考スコア（独自算出の注目度）: 0.9558392439655014
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Freezing of Gait (FOG) is a debilitating motor symptom commonly experienced by individuals with Parkinson's Disease (PD) which often leads to falls and reduced mobility. Timely and accurate prediction of FOG episodes is essential for enabling proactive interventions through assistive technologies. This study presents a reinforcement learning-based framework designed to identify optimal pre-FOG onset points, thereby extending the prediction horizon for anticipatory cueing systems. The model implements a Double Deep Q-Network (DDQN) architecture enhanced with Prioritized Experience Replay (PER) allowing the agent to focus learning on high-impact experiences and refine its policy. Trained over 9000 episodes with a reward shaping strategy that promotes cautious decision-making, the agent demonstrated robust performance in both subject-dependent and subject-independent evaluations. The model achieved a prediction horizon of up to 8.72 seconds prior to FOG onset in subject-independent scenarios and 7.89 seconds in subject-dependent settings. These results highlight the model's potential for integration into wearable assistive devices, offering timely and personalized interventions to mitigate FOG in PD patients.
• Abstract（参考訳）: フリーズ・オブ・ゲイト(英: Freezing of Gait、FOG)は、パーキンソン病(PD)の患者が経験する不安定な運動症状である。 FOGエピソードのタイムリーかつ正確な予測は、補助技術による積極的な介入を可能にするために不可欠である。 本研究は, 予測待ち行列の予測地平線を拡張し, 最適FOG開始点の同定を目的とした強化学習に基づくフレームワークを提案する。 このモデルはDouble Deep Q-Network(DDQN)アーキテクチャを実装しており、プライオリティズド・エクスペリエンス・リプレイ(PER)によって強化され、エージェントは高インパクトな体験に学習を集中させ、そのポリシーを洗練することができる。 慎重な意思決定を促進する報酬形成戦略を用いて9000回以上のエピソードを訓練し、被験者に依存しない評価と対象に依存しない評価の両方において堅牢なパフォーマンスを示した。 このモデルはFOGの開始まで最大8.72秒、主観非依存のシナリオは7.89秒という予測の地平を達成した。 これらの結果は、PD患者のFOGを緩和するためのタイムリーかつパーソナライズされた介入を提供するウェアラブルアシストデバイスへの統合の可能性を強調している。

関連論文リスト

• Forecasting Fails: Unveiling Evasion Attacks in Weather Prediction Models [60.728124907335]
  本研究では,気象適応型対向摂動最適化(WAAPO)を紹介した。 WAAPOは、チャネルの間隔、空間的局所化、滑らかさの制約を取り入れ、摂動が物理的に現実的で知覚不能であることを保証することでこれを達成している。 我々の実験は、AI駆動予測モデルにおける重要な脆弱性を強調しており、初期状態への小さな摂動が大きな逸脱をもたらす可能性がある。
  論文  参考訳（メタデータ） (2025-12-09T17:20:56Z)
• Fusing Biomechanical and Spatio-Temporal Features for Fall Prediction: Characterizing and Mitigating the Simulation-to-Reality Gap [0.08388591755871733]
  転倒は、高齢者の怪我や独立の喪失の主な原因である。 視覚に基づく落下予測システムは、衝突のほんの数秒前に落下を予測する非侵襲的な解決策を提供する。 本研究では,ポーズ情報と生体力学情報を組み合わせた二重ストリームモデルであるBioST-Temporal Graph Conal Network(BioST-GCN)を提案する。
  論文  参考訳（メタデータ） (2025-11-18T16:13:11Z)
• SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
  本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。 第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
  論文  参考訳（メタデータ） (2025-10-22T16:11:22Z)
• MEET-Sepsis: Multi-Endogenous-View Enhanced Time-Series Representation Learning for Early Sepsis Prediction [50.74903497515021]
  セプシス(Sepsis)は、集中治療室(ICUs)の高死亡にともなう致命的な感染症である。 早期かつ正確な敗血症予測(SP)は、時間的介入には重要であるが、微妙な早期症状と急激な死亡率の増大により、依然として困難である。 本稿では,拡張された特徴ビューを構築するための多言語ビュー表現強化(MERE)機構と,時間的表現学習のためのCDTAモジュールを提案する。 提案したMEET-Sepsis フレームワークは,SOTA 法で要求される ICU モニタリング時間の 20% のみを用いて,競合予測の精度を実現し,大幅に向上した。
  論文  参考訳（メタデータ） (2025-10-13T13:38:29Z)
• Wav2Arrest 2.0: Long-Horizon Cardiac Arrest Prediction with Time-to-Event Modeling, Identity-Invariance, and Pseudo-Lab Alignment [5.706374608871095]
  高周波生理学的波形モダリティは、患者の状態に対する深いリアルタイムな洞察を提供する。 近年、心臓発作を含む重要な事象を予測するための生理学的基礎モデルが示されている。 最小限の補助情報を用いてPSGのみのCAシステムを改善するための3つの改良点を提案する。
  論文  参考訳（メタデータ） (2025-09-25T23:46:39Z)
• Wearable Sensor-Based IoT XAI Framework for Predicting Freezing of Gait in Parkinsons Disease [0.0]
  この研究は、Cataboost、XGBoost、Extra Treesといった機械学習(ML)アルゴリズムを用いて、臨床データに基づく正確なFOG分類を研究する。 開発されたセンサーベースの技術は、医療とバイオメディカルテクノロジーの強化の分野で現実世界の問題解決に大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-07-01T01:22:12Z)
• Evaluation of the impact of expert knowledge: How decision support scores impact the effectiveness of automatic knowledge-driven feature engineering (aKDFE) [0.8272083537040182]
  副作用薬物イベント(ADE)は、患者の安全性とコストに影響を与える重要な医療上の課題を提起する。 本研究では,電子健康記録(EHR)データからADE予測を改善するために,知識駆動型自動特徴工学(aKDFE)を評価する。 本研究では,長期心QT間隔に対するドメイン特異的ADEリスクスコアの導入が,EMHデータと薬物処理イベントを用いた予測性能に与える影響について検討した。
  論文  参考訳（メタデータ） (2025-04-08T11:34:38Z)
• Federated Anomaly Detection for Early-Stage Diagnosis of Autism Spectrum Disorders using Serious Game Data [0.0]
  本研究では,AutoEncoder-based Machine Learning (ML) 手法を用いて,ASD検出のための新しい半教師付きアプローチを提案する。 この目的に特化して設計された真剣なゲームを通じて手作業で収集したデータを利用する。 ゲーミフィケーションされたアプリケーションによって収集されたセンシティブなデータは、プライバシー漏洩の影響を受けやすいため、フェデレートラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-10-25T23:00:12Z)
• The Pitfalls and Promise of Conformal Inference Under Adversarial Attacks [90.52808174102157]
  医療画像や自律運転などの安全クリティカルな応用においては、高い敵の堅牢性を維持し、潜在的敵の攻撃から保護することが不可欠である。 敵対的に訓練されたモデルに固有の不確実性に関して、注目すべき知識ギャップが残っている。 本研究では,共形予測(CP)の性能を標準対向攻撃の文脈で検証することにより,ディープラーニングモデルの不確実性について検討する。
  論文  参考訳（メタデータ） (2024-05-14T18:05:19Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
  アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。 本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。 本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
  論文  参考訳（メタデータ） (2022-11-16T20:00:38Z)
• Forecasting Patient Flows with Pandemic Induced Concept Drift using Explainable Machine Learning [0.0]
  本研究では,患者フローの予測モデルを改善する新しい準リアルタイム変数群について検討した。 新型コロナウイルス(COVID-19)のアラートレベル(Alert Level)機能は、Googleの検索語や歩行者のトラフィックとともに、一般的な予測を生成するのに効果的だった。
  論文  参考訳（メタデータ） (2022-11-01T20:42:26Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)

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。