文献

J-GLOBAL ID：202202239630836453   整理番号：22A1051543

多分岐神経ネットワークによる健康,AlzheimerおよびParkinson集団の分類【JST・京大機械翻訳】

Classification of healthy, Alzheimer and Parkinson populations with a multi-branch neural network

著者 (7件)： Pedrero-Sanchez Jose Francisco (Instituto de Biomecanica de Valencia. Universitat Politecnica de Valencia, edificio 9C. Camino de Vera, s/n, 46022 Valencia, Spain) ,  Belda-Lois Juan-Manuel (Instituto de Biomecanica de Valencia. Universitat Politecnica de Valencia, edificio 9C. Camino de Vera, s/n, 46022 Valencia, Spain) ,  Belda-Lois Juan-Manuel (CIBER de Bioingenieria, Biomateriales y Nanomedicina (CIBER-BBN), Valencia, Spain) ,  Serra-Ano Pilar (UBIC, Departament de Fisioterapia, Universitat de Valencia, 46010 Valencia, Spain) ,  Ingles Marta (UBIC, Departament de Fisioterapia, Universitat de Valencia, 46010 Valencia, Spain) ,  Ingles Marta (Freshage Research Group, Department of Physiotherapy, Universitat de Valencia, Centro de Investigacion Biomedica en Red Fragilidad y Envejecimiento Saludable (CIBERFES-ISCIII), Fundacion Investigacion del Hospital Clinico Universitario de Valencia (INCLIVA), 46010 Valencia, Spain) ,  Lopez-Pascual Juan (Instituto de Biomecanica de Valencia. Universitat Politecnica de Valencia, edificio 9C. Camino de Vera, s/n, 46022 Valencia, Spain)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 75  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 標的事象とパラメータ化の制約のための信号処理は,個々の機能状態を決定するために計装評価を行うときに通常必要とされる。しかし,これらの手順はセンサによって得られる関連情報を除外する。これを防止するために,生信号から関連特徴を自動的に抽出するニューラルネットワークに基づくモデルの使用は,機能状態の特性評価を改善する可能性がある。したがって,本研究の目的は,異なる条件を有する人々における単純な機能的移動性試験を用いて,マルチヘッド畳込み層状ニューラルネットワーク(CNN)の分類精度を決定することであった。90人のボランティア(すなわち,Alzheimer病の30人のボランティア,Parkinson病の30人および健康な高齢者30人)によって装着されたスマートフォンに埋め込まれた慣性センサからの生データを得た。CNN分類精度を,2つのパラメトリック分類器,即ち,線形判別分析と多層パーセプトロン,ニューラルネットワークベース分類器,と比較した。その結果,検証プロセスはCNN分類器が参加者の100%を各グループに正しく割り当てることを明らかにした。2つのパラメトリック分類器の病理学分類における最良の精度は55%から88%の範囲であった。したがって,CNNモデルは,ニューラルネットワークベースの分類器よりも,パラメトリック手法と比較して,分類精度の向上を提供した。非パラメータ化は関連情報を増加させ,その結果,病理学影響特性化を増強する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *ネットワーク ,  *分類 ,  ニューラルネットワーク ,  信号処理 ,  精度 ,  センサ ,  *Alzheimer病 ,  Parkinson病 ,  パラメタリゼーション ,  多層パーセプトロン ,  ボランティア ,  スマートフォン
準シソーラス用語： 分類精度 ,  *神経ネットワーク ,  線形判別分析 , 【Automatic Indexing@JST】

著者キーワード (5件)： アルツハイマー病 ,  パーキンソン病 ,  慣性センサ ,  多分岐畳込み分類器 ,  機能評価

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 神経ネットワーク ,  Alzheimer ,  集団 ,  分類