文献

J-GLOBAL ID：201902246955897969   整理番号：19A0524202

マルチタスク特徴学習を用いた神経性歩行障害の分類【JST・京大機械翻訳】

Classification of Neurological Gait Disorders Using Multi-task Feature Learning

著者 (6件)： Papavasileiou Ioannis ,  Zhang Wenlong ,  Wang Xin ,  Bi Jinbo ,  Zhang Li ,  Han Song
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CHASE  ページ： 195-204  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： 著者らの母集団年齢として,筋骨格系の神経学的障害と変性は,歩行異常を生み出し,それは生命の質を有意に低下させることができる。歩行リハビリテーション療法は,患者がコミュニティ参加と生活自立を最大化するのを助けるために広く採用されている。リハビリテーション療法の精度と効率をさらに向上させるために,より多くの客観的方法が官能データに基づいて開発される必要がある。本論文では,2つの一般的神経疾患,脳卒中およびParkinson病(PD)により引き起こされる歩行障害の分類を,地面接触力(GCF)データから提供するためのアルゴリズムフレームワークを提案した。高度機械学習法,マルチタスク特徴学習(MTFL)を用いて,3つのクラス,脳卒中後,PDおよび健康な歩行における被験者の歩行の分類モデルを共同的に訓練する。移動度,バランス,強度およびリズムに関連する歩行パラメータを分類のための特徴として用いた。使用したすべての特徴の中で,MTFLモデルは疾患当たりのより重要なものを捕捉し,それはより良い客観的評価と治療進歩追跡を提供する助けとなる。提案した方法論を評価するために,5人のPD患者,3人の脳卒中後患者,および3人の健康な被験者を含むヒト参加者研究からのデータを用いた。異常の多様性にもかかわらず,評価により,提案したアプローチは,少なくとも0.96の曲線(AUC)スコア下で,PD歩行から脳卒中後およびPD歩行を,PD歩行からの脳卒中後およびPD歩行と区別することができることを示した。さらに,この方法論は,異常な歩容と設計の個別化処理を区別する重要な特性をより良く理解するために,重要な歩行特徴を選択するのに役立つ。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： リハビリテーション ,  歩容 ,  治療法 ,  母集団 ,  脳卒中 ,  筋骨格系 ,  コミュニティ ,  ヒト ,  アルゴリズム ,  Parkinson病 ,  *歩行 ,  機械学習
準シソーラス用語： リズム ,  被験者 ,  健康 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： マルチタスク ,  学習 ,  神経性歩行障害 ,  分類