抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
歩行(FoG)の凍結はパーキンソン病患者間の効果的なステップを生成するために突然とエピソードができないことである。は転倒のリスクであり,患者の生活の質を劣化させる。はFoGを検出し,リアルタイムでバイオフィードバックキューを提供するウェアラブルシステムの実施後に求められている。検出は,いくつかの患者の比類ない歩行スタイルを説明するために困難を有する患者と関係のない分類器を持つ主に試みた。このような歩容特徴を患者適応分類器を用いて扱うことができる。しかしながら,これまでに提案された患者特異的適応は回顧と患者のラベル付きデータを必要とする。使用中に発生したラベル無しデータの流れを利用した半教師つきニューラルネットワークによる実時間における患者適応性を提供するために提案した。教師つき学習を用いて,患者と関係のないニューラルネットワークは基本モデルとして機能するように設計されている。システムの新しい患者の利用により,基本モデルのパラメータは,ラベル無しデータの発生流からの教師なし学習による実時間で採用されている。平均して,患者適応性は特異性で0.59%の価格に対する感度を増強した4.58%であった。さらに,不十分な患者と関係のないベースモデルにより分類された患者の比類ない歩行スタイルを占めていた。このような患者では,感度は42.01%まで増加した。全体患者適応分類器は,感度および特異性で95.90%,93.05%であった。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】