論文の概要: Integrating Triaxial IMU Sensors and Ensemble Learning for Effective Parkinson Disease Severity Classification

• arxiv url: http://arxiv.org/abs/2608.28602v1
• Date: Tue, 30 Jun 2026 09:49:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.398956
• Title: Integrating Triaxial IMU Sensors and Ensemble Learning for Effective Parkinson Disease Severity Classification
• Title（参考訳）: 効果的なパーキンソン病重症度分類のための三軸IMUセンサとアンサンブル学習の統合
• Abstract要約: 本稿では,パーキンソン病の診断に人工知能を用いた比較システムを提案する。 データは、加速度とジャイロセンサの信号を3方向XY,Zで計測する。 その結果,提案手法はPD重度分類において正確かつ効果的に予測できることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Parkinson disease PD is a progressive neurodegenerative disease that can have a significant impact on motor performance resulting in the appearance of symptoms such as tremors rigidity postural instabilities and bradykinesia. Timely clinical treatment disease management and quality life of the patients are closely linked to early and appropriate identification of PD. Over the past few years the growth of wearable sensor technology and artificial intelligence AI have made it possible to create noninvasive and data driven disease detection methods. This paper proposes a comparative system using artificial intelligence to detect Parkinsons disease by analyzing the motion and tremor data captured by an inertial measurement unit IMU. The data comprises the signals of the acceleration and gyroscope sensors measuring movement in three directions X Y and Z. The signs and symptoms provide helpful information about subtle motor deficits associated with PD. Several classification models like Support Vector Machine SVM Logistic Regression LR KNearest Neighbors KNN Decision Tree DT Extreme Gradient Boosting XGBoost and Light Gradient Boosting Machine LightGBM were used to compare their effectiveness. The Logistic Regression model had a performance around 75 percent in all evaluation metrics and KNearest Neighbours KNN around 90 percent. The support vector machine SVM performed almost 94 percent whereas the performance of classifiers such as Decision Tree and XGBoost was close to 96 percent and overall classification efficacy respectively. LightGBM model performs consistently at the best rank among all of the evaluated methods having Accuracy, Precision, Recall and F1score of around 97 percent. The results show that the proposed machine learning approach offers an accurate and effective predictive capability in the classification of PD severity.
• Abstract（参考訳）: パーキンソン病(Parkinson disease PD)は、進行性神経変性疾患であり、運動能力に顕著な影響を及ぼし、反動性硬直性姿勢不安定症やブラジキネジアなどの症状が出現する。 PDの早期および適切な同定には, タイムリーな臨床治療疾患の管理とQOLが密接に関連している。 過去数年間に渡り、ウェアラブルセンサー技術と人工知能AIの成長により、非侵襲的でデータ駆動型疾患検出手法の開発が可能になった。 本稿では,慣性測定ユニットIMUが捉えた運動と震動データを解析することにより,人工知能を用いてパーキンソン病を検出するシステムを提案する。 このデータは、加速度とジャイロセンサーの3方向XY,Zの動きを測定する信号を含み、PDに関連する微妙な運動障害の兆候と症状が有益な情報を提供する。 Support Vector Machine SVM Logistic Regression LR KNearest Neighbors KNN Decision Tree DT Extreme Gradient Boosting XGBoost や Light Gradient Boosting Machine LightGBM といった分類モデルを用いて、それらの効果を比較した。 Logistic Regressionモデルは、すべての評価指標で約75%のパフォーマンスを示し、KNearest Neighbours KNNは約90%だった。 サポートベクターマシンのSVMは約94%,決定木やXGBoostなどの分類器の性能は96%に近かった。 LightGBMモデルは、精度、精度、リコール、F1スコアが約97%である評価されたすべてのメソッドの中で、一貫して最高のランクで機能する。 その結果,提案手法はPD重度分類において正確かつ効果的に予測できることを示した。

関連論文リスト

• Machine Learning-Based Differential Diagnosis of Parkinson's Disease Using Kinematic Feature Extraction and Selection [0.6249768559720121]
  パーキンソン病(英: Parkinson's disease、PD)は、神経変性疾患の2番目に多い疾患である。 PDは進行性核上性麻痺(PSP)や多系統萎縮(MSA)などの他の神経変性疾患と症状を共有している 本稿では,PD,PSP,MSA,健康管理の鑑別診断を行う機械学習システムを提案する。
  論文  参考訳（メタデータ） (2025-01-02T14:43:39Z)
• Parkinson's Disease Diagnosis Through Deep Learning: A Novel LSTM-Based Approach for Freezing of Gait Detection [1.7581090221681177]
  本稿では,パーキンソン病患者の歩行エピソードの凍結を自動的に検出するLSTMネットワークに基づく新しいディープラーニングアーキテクチャを提案する。 提案手法は, FOG エピソード検出における現在の最先端モデルを超え, 精度97.71%, 精度98%, 特異性96%を達成している。
  論文  参考訳（メタデータ） (2024-12-09T17:58:24Z)
• 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)
• Parkinson's Disease Detection through Vocal Biomarkers and Advanced Machine Learning Algorithms [0.0]
  本研究は早期疾患予測の手段として, PD患者の声質変化の可能性について検討した。 XGBoost、LightGBM、Baging、AdaBoost、Support Vector Machineなど、さまざまな高度な機械学習アルゴリズムを活用する。 LightGBMは、100%の感度と94.43%の特異性を示し、他の機械学習アルゴリズムの精度とAUCスコアを上回った。
  論文  参考訳（メタデータ） (2023-11-09T15:21:10Z)
• 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)
• Characterizing TMS-EEG perturbation indexes using signal energy: initial study on Alzheimer's Disease classification [48.42347515853289]
  経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。 本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-29T19:27:06Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。