文献

J-GLOBAL ID：201802216127792717   整理番号：18A2024307

スマートフォンセンサデータを用いたParkinson病の遠隔検出のための深層学習フレームワーク【JST・京大機械翻訳】

A Deep Learning Framework for the Remote Detection of Parkinson’S Disease Using Smart-Phone Sensor Data

著者 (2件)： Prince John (Dept. Engineering Sciences, University of Oxford, Institute of Biomedical Engineering, Oxford, UK) ,  de Vos Maarten (Dept. Engineering Sciences, University of Oxford, Institute of Biomedical Engineering, Oxford, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： EMBC  ページ： 3144-3147  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 非臨床環境におけるウェアラブルセンサを用いたParkinson病(PD)の評価は,高周波および長期的基礎に関する客観的疾患分類および重症度予測の機会を提示する。しかしながら,多くの課題が,多くのデータ汚染源による遠隔収集データの分析に存在する。1815人の参加者(866人の対照と949人のPD)のコホートを用いて,遠隔環境におけるスマートフォン上で収集されたAlternate Finger Taping試験データに関する分類アルゴリズムの範囲を実装した。2つの最先端の深い学習手法に対する2つの伝統的機械学習法の疾患分類能力を比較し,後者が明示的特徴集合の定義なしで成功するかどうかを決定した。著者らは,疾患分類の能力がある深い学習アプローチを見出し,従来の方法を凌駕することが多い。人手で抽出された特徴集合の使用により成功裏に分類された参加者間の類似性と畳込みニューラルネットワークにより学習された特徴を示した。最後に,大きな参加者数が利用可能な場合のPD評価のための深い学習の適合性を強調しながら,遠隔収集データセットの分析のより広い課題について議論した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *Parkinson病 ,  汚染源 ,  *スマートフォン ,  機械学習 ,  適応性 ,  類似性 ,  *学習 ,  予測 ,  母集団
準シソーラス用語： 畳込みニューラルネットワーク ,  最先端 ,  分類アルゴリズム ,  疾病分類 ,  ウェアラブルセンサ ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： Parkinson病 ,  深層学習 ,  フレームワーク