論文の概要: From Visual Attribution to Clinical Reasoning: Explainable Parkinson's Disease Screening from Hand-Drawn Patterns

• arxiv url: http://arxiv.org/abs/2609.14441v1
• Date: Sun, 13 Sep 2026 11:34:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.815142
• Title: From Visual Attribution to Clinical Reasoning: Explainable Parkinson's Disease Screening from Hand-Drawn Patterns
• Title（参考訳）: 視覚属性から臨床推論へ:手描きパターンによる説明可能なパーキンソン病スクリーニング
• Abstract要約: パーキンソン病(PD)は、制御された手描きパターンに早期の神経運動機能障害を呈する。 オフライン手書きパターンからPDスクリーニングを行うための説明可能なフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 11.953507180504802
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Parkinson's disease (PD) manifests early neuromotor impairments that become observable in controlled hand-drawn patterns such as spirals and meanders, where tremor-induced oscillations, stroke irregularity, and curvature instability reflect underlying motor degradation. In this work, we present an explainable framework for PD screening from offline hand-drawn patterns that integrates discriminative visual modeling with clinically grounded reasoning. The predictive model captures distributed structural distortions and fine-grained texture variations. It is evaluated under subject-disjoint protocols to ensure reliable generalization. To move beyond black-box classification, we introduce a multi-stage explainability pipeline that combines visual attribution with structured symptom abstraction. Salient regions are identified using attention- and gradient-based localization, followed by extraction of clinically meaningful motor descriptors quantifying contour roughness, curvature irregularity, stroke variability, and tremor-frequency energy. These descriptors are subsequently translated into coherent clinical rationales through a language-based reasoning module, linking model evidence to established PD symptomatology. By bridging visual attribution and clinical interpretation, the proposed framework advances interpretable document intelligence for neurological screening using hand-drawn patterns. Experimental results on publicly available Parkinson's disease handwriting datasets demonstrate competitive predictive performance and clinically consistent explanations.
• Abstract（参考訳）: パーキンソン病(PD)は、震動による振動、脳卒中不規則、および曲率不安定が下層の運動低下を反映する、スパイラルやメアンダーなどの手描きパターンで観察可能な早期神経運動機能障害を呈する。 そこで本研究では,識別的視覚モデルと臨床的根拠に基づく推論を統合した,オフライン手描きパターンからのPDスクリーニングのための説明可能なフレームワークを提案する。 予測モデルは、分散構造歪みときめ細かいテクスチャ変化をキャプチャする。 信頼性の高い一般化を保証するために、主観的分離プロトコルで評価される。 ブラックボックス分類を超えて、視覚的属性と構造的症状抽象化を組み合わせた多段階説明可能性パイプラインを導入する。 注意・勾配に基づく局所化と、輪郭粗さ、曲率不規則性、脳卒中変動性、震度周波数エネルギーを定量化する臨床的に有意な運動ディスクリプターの抽出により、有意な領域を同定した。 これらの記述子はその後、言語ベースの推論モジュールを通じてコヒーレントな臨床論理に翻訳され、モデル証拠と確立されたPD症状とをリンクする。 視覚的属性と臨床解釈をブリッジすることにより、手書きパターンを用いた神経学的スクリーニングのための解釈可能な文書インテリジェンスを進化させる。 一般に公開されているパーキンソン病手書きデータセットの実験結果は、競争力のある予測性能と臨床的に一貫した説明を示す。

関連論文リスト

• Motion-Guided Causal Disentanglement for Robust Multi-View Cine Cardiac MRI Diagnosis [0.4638331367650009]
  本稿では,ViT-MAEバックボーン上に構築したMoViDフレームワークを提案する。 プライベートな臨床静脈血栓症データセットと2つの公開ベンチマークの枠組みについて検討した。
  論文  参考訳（メタデータ） (2026-06-03T03:45:11Z)
• Multimodal Graph-based Classification of Esophageal Motility Disorders [73.90451172929117]
  食道運動障害の診断は,高分解能インピーダンス測定データの複雑化と臨床解釈の多様性が原因で大きな課題となる。 本研究は,HRIM記録と患者固有の情報を組み合わせたマルチモーダル機械学習に基づく分類手法の実現可能性について検討し,食道生理学のグラフベースモデリングを取り入れた。
  論文  参考訳（メタデータ） (2026-05-13T14:52:12Z)
• Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
  MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。 消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。 本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-21T07:47:37Z)
• NeuroSymb-MRG: Differentiable Abductive Reasoning with Active Uncertainty Minimization for Radiology Report Generation [17.916502111955456]
  NeuroSymb-MRGは,NeuroSymbolic abductive reasoningと能動的不確実性最小化を統合し,構造的,臨床的根拠のある報告を生成する統合フレームワークである。 このシステムは、画像の特徴を確率論的臨床概念にマッピングし、異なる論理ベースの推論チェーンを構成し、それらのチェーンをテンプレート付き節にデコードし、検索と制約付き言語モデル編集を通じてテキスト出力を洗練する。
  論文  参考訳（メタデータ） (2026-03-02T11:31:30Z)
• 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)
• Causal Graph Neural Networks for Healthcare [2.446787923076599]
  因果グラフニューラルネットワークは、分布シフト、差別、調査可能性の三つの危機に対処する。 本稿では, 構造因果モデル, 絡み合った因果表現学習, およびグラフ上の介入予測と反実的推論のための手法の方法論的基礎について検討する。
  論文  参考訳（メタデータ） (2025-11-04T12:34:46Z)
• Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
  青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。 従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。 本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。 我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
  論文  参考訳（メタデータ） (2025-10-02T19:38:46Z)
• Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
  医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。 本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。 SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
  論文  参考訳（メタデータ） (2025-09-30T08:59:06Z)
• Bayesian Networks for the robust and unbiased prediction of depression and its symptoms utilizing speech and multimodal data [65.28160163774274]
  我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
  論文  参考訳（メタデータ） (2022-11-09T14:48:13Z)
• Interpretable Deep Models for Cardiac Resynchronisation Therapy Response Prediction [8.152884957975354]
  可変オートエンコーダ(VAE)に基づく画像分類のための新しいフレームワークを提案する。 VAEは、既存の臨床知識から引き出された説明に基づいて潜伏空間を解体する。 心臓磁気共鳴画像による心臓再同期療法(CRT)に対する心筋症の反応予測の枠組みを実証した。
  論文  参考訳（メタデータ） (2020-06-24T15:35:47Z)

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。