文献

J-GLOBAL ID：201902233545805267   整理番号：19A1826284

パーキンソン病における個別リハビリテーションのための教師なし学習による微細運動評価【JST・京大機械翻訳】

Fine Motor Assessment With Unsupervised Learning For Personalized Rehabilitation in Parkinson Disease

著者 (5件)： Rovini E. (Scuola Superiore Sant’Anna, Pisa, Italy) ,  Fiorini L. (Scuola Superiore Sant’Anna, Pisa, Italy) ,  Esposito D. (Co-Robotics srl, Capannoli, Pisa, Italy) ,  Maremmani C. (AUSL Toscana Nord Ovest) ,  Cavallo F. (Scuola Superiore Sant’Anna, Pisa, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICORR  ページ： 1167-1172  発行年： 2019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： Parkinson病(PD)は,運動および非運動障害により特徴付けられる一般的な神経変性疾患である。PD患者の生活の質は乏しいが,病理学が発達すると,神経変性過程のレベルに基づく個人化リハビリテーションと治療アプローチの同定を改善することが必須である。病理学の重症度の客観的かつ正確な評価は,最も適切な治療を同定するために重要である。本論文では,PD被験者の運動性能を測定できるウェアラブルシステムを提案した。2つの慣性装置を用いて,6つのモーター作業を実行しながら,それぞれ,下肢と上肢の運動を捕捉した。41の運動学的特徴を,各被験者の性能を記述するために,慣性信号から抽出した。3つの教師なし学習アルゴリズム(k-Means,自己組織化マップ(SOM)および階層的クラスタリング)を,モータ性能をグループ化するためにブラインドアプローチを用いて適用した。結果は,SOMが,2つのクラス(軽度対進行)における事例を0.950に等しい精度に達し,3つのクラス(軽度対中等度対重度)を考慮して0.817に達したので,SOMが最良の分類装置であることを示した。したがって,このシステムは,運動解析を通してPD重症度の客観的評価を可能にし,PDリハビリテーションと支援のための残留運動能力の評価と個人化された経路の育成を可能にした。Copyright 2019 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： 治療法 ,  自己組織化特徴マップ ,  電動機 ,  *リハビリテーション ,  動作分析 ,  *Parkinson病 ,  運動障害 ,  クオリティオブライフ ,  アルゴリズム ,  *教師なし学習
準シソーラス用語： 被験者 ,  重症度 ,  個性化 ,  神経変性 ,  *個別リハビリテーション , 【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 (5件)： パーキンソン病 ,  個別リハビリテーション ,  教師なし学習 ,  運動 ,  評価