論文の概要: Automated screening of Parkinson's Disease using Smooth Pursuit Eye Movements

• arxiv url: http://arxiv.org/abs/2610.33359v1
• Date: Fri, 23 Oct 2026 23:10:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.311746
• Title: Automated screening of Parkinson's Disease using Smooth Pursuit Eye Movements
• Title（参考訳）: Smooth Pursuit Eye Movement を用いたパーキンソン病自動スクリーニング
• Abstract要約: 本研究は, パーキンソン病の検診において, 視線位置列の複雑さと非線形ダイナミクスが有効かどうかを考察する。 早期パーキンソン病41例の視線追跡装置と12回のスムーズな追跡作業中の健常者47例の視線位置記録を行った。
• 参考スコア（独自算出の注目度）: 0.07783271875179179
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Smooth pursuit eye movements are frequently altered in Parkinson's disease, but previous studies have relied mainly on conventional parameters that describe the relationship between gaze and target. This study investigates whether complexity and nonlinear dynamics measures of the gaze position sequences can support the automatic screening of Parkinson's disease. Gaze position sequences were recorded with a video eye tracker in 41 participants with early Parkinson's disease and 47 healthy controls during 12 smooth pursuit tasks. Four experimental frameworks and four embedding delay strategies were compared. The selected experimental setting combined baseline wander removal with a fixed embedding delay. After feature selection, a support vector machine was trained for each task and axis and their outputs were combined in a mixture of experts. The pipeline was developed in 70 participants and evaluated on an external test set of 18 participants. On the external test set, the pipeline obtained an area under the receiver operating characteristic curve of 0.86. The most informative features described less persistent and more irregular gaze position sequences in Parkinson's disease, mainly along the horizontal axis. These results support complexity and nonlinear dynamics measures of smooth pursuit as candidate markers for Parkinson's disease screening, pending validation in larger independent cohorts.
• Abstract（参考訳）: スムース追跡眼球運動はパーキンソン病では頻繁に変化するが、以前の研究では視線と標的の関係を記述した従来のパラメータに大きく依存していた。 本研究は, パーキンソン病の検診において, 視線位置列の複雑さと非線形ダイナミクスが有効かどうかを考察する。 早期パーキンソン病41例の視線追跡装置と12回のスムーズな追跡作業中の健常者47例の視線位置記録を行った。 4つの実験フレームワークと4つの埋め込み遅延戦略を比較した。 選択された実験装置は, 固定埋込遅延を伴うベースラインの移動除去を併用した。 特徴選択後、各タスクと軸に対して支援ベクトルマシンを訓練し、それらの出力を専門家の混合で組み合わせた。 パイプラインは70人の参加者で開発され、18人の参加者による外部テストセットで評価された。 外部試験セットでは、パイプラインは受信機の特性曲線0.86の領域を得た。 最も重要な特徴は、パーキンソン病において、主に水平軸に沿って、持続的でなく、より不規則な視線の位置配列を記述したことである。 これらの結果は、パーキンソン病スクリーニングの候補マーカーとして、スムーズな追跡の複雑さと非線形ダイナミクスの尺度を支持し、より大きな独立したコホートで検証を保留する。

関連論文リスト

• Task-evoked eye movements as candidate digital biomarkers of depression severity in adolescents and young adults [10.526005994708454]
  タスク誘発眼球運動は、青年期および青年期のうつ病重症度の解釈可能な行動マーカーを提供する。 うつ病の重症度は低い視線偏位エントロピーと相関していた。 感情特異的な注意-バイアス尺度は重度とは無関係であった。
  論文  参考訳（メタデータ） (2026-10-13T14:51:53Z)
• A data-physics hybrid generative model for patient-specific post-stroke motor rehabilitation using wearable sensor data [17.28369129744061]
  我々は,脳卒中生存者の神経筋制御を再構築するデータ物理ハイブリッド生成フレームワークを開発した。 11名の脳卒中生存者において, パーソナライズされたコントローラは, 関節角と終端の忠実さを改善しつつ, 慣性歩行パターンを保存した。
  論文  参考訳（メタデータ） (2025-12-16T11:55:11Z)
• Organ-Agents: Virtual Human Physiology Simulator via LLMs [66.40796430669158]
  オルガン-エージェント(Organ-Agents)は、LDM駆動のエージェントを介して人間の生理学をシミュレートする多エージェントフレームワークである。 症例は7,134例,コントロール7,895例で,9系統および125変数にわたる高分解能トラジェクトリを作成した。 臓器抗原は4,509人の保留患者に対して高いシミュレーション精度を達成し, システムごとのMSE0.16とSOFA系重症度層間の堅牢性を示した。
  論文  参考訳（メタデータ） (2025-08-20T01:58:45Z)
• GaitMotion: A Multitask Dataset for Pathological Gait Forecasting [8.305371944195384]
  GaitMotionは、ウェアラブルセンサーを活用するデータセットで、患者のリアルタイムな動きを病理学的な歩行で捉えます。 このデータセットは、ステップ/ストライドのセグメンテーションやステップ/ストライドの長さの予測など、複数のタスクに対して、広範な地上構造ラベリングを提供する。 このウェアラブル歩行分析スーツは、正常と病理の両方の歩行周期、パターン、パラメータをキャプチャする。
  論文  参考訳（メタデータ） (2024-05-09T14:45:02Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• Early Detection of Parkinson's Disease using Motor Symptoms and Machine Learning [0.0]
  本研究の目的は、運動や歩行関連パラメータなどの早期に発症する一般的な症状に焦点を当て、経済的かつ堅牢なウェアラブルデバイスの実現可能性に関する定量的分析に到達することである。 Parkinson's Progression Markers Initiative (PPMI)のサブセットであるPPMI Gaitデータセットが機能選択に使用されている。 その後、パーキンソン症候群の早期発見のために、91.9%の精度でリアルタイムデータをテストするために、特定された影響力のある特徴が使用されている。
  論文  参考訳（メタデータ） (2023-04-18T19:13:05Z)
• Remote Medication Status Prediction for Individuals with Parkinson's Disease using Time-series Data from Smartphones [75.23250968928578]
  本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。 提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
  論文  参考訳（メタデータ） (2022-07-26T02:08:08Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• 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。