文献

J-GLOBAL ID：201802289583520230   整理番号：18A0200179

半教師つきニューラルネットワークを用いた歩容分類の凍結のための実時間患者適応性【Powered by NICT】

Real-Time Patient Adaptivity for Freezing of Gait Classification Through Semi-Supervised Neural Networks

著者 (7件)： Mikos Val ,  Heng Chun-Huat ,  Tay Arthur ,  Chia Nicole Shuang Yu ,  Koh Karen Mui Ling ,  Tan Dawn May Leng ,  Au Wing Lok
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMLA  ページ： 871-876  発行年： 2017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： 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】

シソーラス用語： 歩行 ,  教師なし学習 ,  *適応性 ,  教師つき学習 ,  *ニューラルネットワーク ,  クオリティオブライフ ,  Parkinson病 ,  *歩容 ,  *患者 ,  モデル
準シソーラス用語： 特異性 ,  ウェアラブルシステム ,  エピソード ,  *実時間 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 教師 ,  ニューラルネットワーク ,  歩容 ,  分類 ,  凍結 ,  実時間 ,  患者 ,  適応性