論文の概要: Abnormal Head Movements in Neurological Conditions: A Knowledge-Based Dataset with Application to Cervical Dystonia
- arxiv url: http://arxiv.org/abs/2604.01962v1
- Date: Thu, 02 Apr 2026 12:25:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-03 14:21:10.778033
- Title: Abnormal Head Movements in Neurological Conditions: A Knowledge-Based Dataset with Application to Cervical Dystonia
- Title（参考訳）: 神経疾患における頭部運動異常 : 頚部ジストン症に対する知識ベースデータセット
- Authors: Saja Al-Dabet, Sherzod Turaev, Nazar Zaki,
- Abstract要約: 本研究では,マルチタスク抽出フレームワークを用いて構築された神経学的誘導型AHMの知識ベースデータセットであるNeuroPose-AHMを紹介する。
このデータセットは、57の神経疾患にまたがる2,756人の患者グループ記録を含み、846のAHM関連論文から得られた。
- 参考スコア（独自算出の注目度）: 1.9996156983758289
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Abnormal head movements (AHMs) manifest across a broad spectrum of neurological disorders; however, the absence of a multi-condition resource integrating kinematic measurements, clinical severity scores, and patient demographics constitutes a persistent barrier to the development of AI-driven diagnostic tools. To address this gap, this study introduces NeuroPose-AHM, a knowledge-based dataset of neurologically induced AHMs constructed through a multi-LLM extraction framework applied to 1,430 peer-reviewed publications. The dataset contains 2,756 patient-group-level records spanning 57 neurological conditions, derived from 846 AHM-relevant papers. Inter-LLM reliability analysis confirms robust extraction performance, with study-level classification achieving strong agreement (kappa = 0.822). To demonstrate the dataset's analytical utility, a four-task framework is applied to cervical dystonia (CD), the condition most directly defined by pathological head movement. First, Task 1 performs multi-label AHM type classification (F1 = 0.856). Task 2 constructs the Head-Neck Severity Index (HNSI), a unified metric that normalizes heterogeneous clinical rating scales. The clinical relevance of this index is then evaluated in Task 3, where HNSI is validated against real-world CD patient data, with aligned severe-band proportions (6.7%) providing a preliminary plausibility indication for index calibration within the high severity range. Finally, Task 4 performs bridge analysis between movement-type probabilities and HNSI scores, producing significant correlations (p less than 0.001). These results demonstrate the analytical utility of NeuroPose-AHM as a structured, knowledge-based resource for neurological AHM research. The NeuroPose-AHM dataset is publicly available on Zenodo (https://doi.org/10.5281/zenodo.19386862).
- Abstract（参考訳）: 異常頭部運動(AHMs)は、神経疾患の幅広い範囲に分布するが、運動学的測定、臨床的重症度スコア、および患者人口の多条件資源が欠如していることは、AI駆動診断ツールの開発において永続的な障壁となっている。
このギャップに対処するために、NuroPose-AHMは神経学的に誘導されるAHMの知識に基づくデータセットであり、1,430の査読論文に適用されたマルチLLM抽出フレームワークによって構築されている。
このデータセットは、57の神経疾患にまたがる2,756人の患者グループレベルの記録を含み、846のAHM関連論文から得られた。
LLM間信頼性解析により,強い一致(kappa = 0.822)を達成し,頑健な抽出性能が確認された。
このデータセットの分析的有用性を示すために、4タスクのフレームワークが頚部ジストニア (CD) に適用され、これは病理的頭部運動によって最も直接定義される条件である。
まず、タスク1はマルチラベルのAHM型分類を実行する(F1 = 0.856)。
第2タスクは、異種臨床評価尺度を正規化する統一された指標であるHNSI(Head-Neck Severity Index)を構築する。
次に、この指標の臨床的関連性を評価し、HNSIを実世界のCD患者データに対して検証し、高重度範囲内での指標校正のための予備的妥当性の指標として、アライメントされた重バンド比(6.7%)を付与する。
最後に、タスク4は移動型確率とHNSIスコアの間のブリッジ解析を行い、有意な相関(pは0.001未満)を生成する。
これらの結果は、神経学的AHM研究のための構造化された知識に基づく資源としてのNeuroPose-AHMの分析的有用性を示す。
NeuroPose-AHMデータセットはZenodo (https://doi.org/10.5281/zenodo. 19386862)で公開されている。
関連論文リスト
- 3D MRI-Based Alzheimer's Disease Classification Using Multi-Modal 3D CNN with Leakage-Aware Subject-Level Evaluation [2.905651880068545]
深層学習は、構造MRIからアルツハイマー病を分類するための重要なツールとなっている。
本研究はアルツハイマー病分類のための多モード3D畳み込みニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2026-03-18T03:00:30Z) - Attention-Based Deep Learning for Early Parkinson's Disease Detection with Tabular Biomedical Data [0.0]
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。
論文 参考訳（メタデータ） (2026-02-08T12:03:02Z) - Four-Stage Alzheimer's Disease Classification from MRI Using Topological Feature Extraction, Feature Selection, and Ensemble Learning [0.8374077003751697]
TDA-Alzは、トポロジカルデータ分析とアンサンブル学習を用いた4段階アルツハイマー病重症度分類のための新しいフレームワークである。
精度は98.19%、AUCは99.75%で、データセットで報告された最先端のディープラーニングベースの手法よりも優れているか、あるいは適合している。
論文 参考訳（メタデータ） (2026-01-01T07:44:51Z) - Bi-cephalic self-attended model to classify Parkinson's disease patients with freezing of gait [2.8658669653771334]
本研究の目的は,PD患者の歩行障害を検出するための客観的,データ駆動型,マルチモーダル分類モデルを開発することである。
静止状態脳波と記述変数から抽出した特徴を、新しい二頭性自己注意モデル(BiSAM)の訓練に用いた。
論文 参考訳（メタデータ） (2025-07-28T14:16:01Z) - Towards a general-purpose foundation model for fMRI analysis [58.06455456423138]
我々は,4次元fMRIボリュームから学習し,多様なアプリケーション間で効率的な知識伝達を可能にするフレームワークであるNeuroSTORMを紹介する。
NeuroSTORMは、複数のセンターにまたがる5万人以上の被験者から5歳から100歳までの28.65万fMRIフレーム(→9000時間)で事前トレーニングされている。
年齢/性別予測、表現型予測、疾患診断、fMRI-to-image検索、タスクベースのfMRIの5つのタスクにおいて、既存の手法よりも優れています。
論文 参考訳（メタデータ） (2025-06-11T23:51:01Z) - Predicting Length of Stay in Neurological ICU Patients Using Classical Machine Learning and Neural Network Models: A Benchmark Study on MIMIC-IV [49.1574468325115]
本研究は、MIMIC-IVデータセットに基づく神経疾患患者を対象とした、ICUにおけるLOS予測のための複数のMLアプローチについて検討する。
評価されたモデルには、古典的MLアルゴリズム(K-Nearest Neighbors、Random Forest、XGBoost、CatBoost)とニューラルネットワーク(LSTM、BERT、テンポラルフュージョントランス)が含まれる。
論文 参考訳（メタデータ） (2025-05-23T14:06:42Z) - Leveraging Persistent Homology for Differential Diagnosis of Mild Cognitive Impairment [2.474908349649168]
軽度認知障害(MCI)は、認知機能の微妙な変化が特徴であり、しばしば脳の接続の混乱と関連している。
本研究では,6種類の被験者の脳ネットワークに関連する神経変性のトポロジカルな変化を調べるための,新しい微粒化分析法を提案する。
論文 参考訳（メタデータ） (2024-08-28T09:01:55Z) - 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) - Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial
Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。
診断成績は臨床医の成績と比較した。
臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文 参考訳（メタデータ） (2023-02-02T08:45:17Z) - Behavior Score-Embedded Brain Encoder Network for Improved
Classification of Alzheimer Disease Using Resting State fMRI [36.40726715739385]
本稿では、日常的に管理される心理検査情報を、被験者の静止状態fMRIデータの符号化手順に統合する行動スコア埋め込みエンコーダネットワーク(BSEN)を提案する。
BSENは、MMSE(MiniMental State Examination)とCDR(Citical Dementia Rating)の行動スコアを併用した3次元畳み込み自己エンコーダ構造に基づく。
提案するBSENを用いた分類フレームワークは, 総合的認識精度59.44%(AD, MCI, Healthy Control)を達成し, 健康管理(HC)と健康管理(HC)の最も差別的な領域を抽出した。
論文 参考訳（メタデータ） (2022-11-04T09:58:45Z)
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。