文献

J-GLOBAL ID：202202281519415661   整理番号：22A0563097

多発性硬化症患者における静的足底圧分布モデルを用いたハイブリッド畳込みニューラルネットワークによる運動失調の検出【JST・京大機械翻訳】

Detection of ataxia with hybrid convolutional neural network using static plantar pressure distribution model in patients with multiple sclerosis

著者 (3件)： Kaya Mustafa (Firat University Digital Forensic Engineering Department, 23119, Elazig, Turkey) ,  Karakus Serkan (Forencrypt Informatics and Software Limited Corporation, 23119 Elazig, Turkey) ,  Tuncer Seda Arslan (Firat University Faculty of Engineering Software Engineering, 23119 Elazig, Turkey)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 214  ページ： Null  発行年： 2022年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 本研究では,静的足底圧分布を含む画像データセットを用いた深層学習ベースアプローチにより,多発性硬化症(PwMS)を有するパーソンに対する運動失調を検出することを目的とした。ここでは,初期段階でPwMSを診断する医師を支援するための代替および客観的方法を提案した。43のaxial PwMSと62人の健康な個人のための合計406の静的二足圧分布画像データを,本研究で使用した。前処理後,これらの画像を,VGG16,VGG19,ResNet,高密度Net,MobileNet,およびNasNetMobileのような事前訓練深層学習モデルに入力として与えた。各モデルのデータを用いて,その特徴ベクトルを生成した。最後に,静的圧力分布画像から得られた特徴ベクトルを,SVM(サポートベクトルマシン),K-NN(K-最近傍),およびANN(ニューラルネットワーク)によって分類した。さらに,交差検証法を用いて分類器の妥当性を調べた。提案モデルの性能を,精度,感度,特異性,およびF1測定基準で評価した。VGG19-SVMハイブリッドモデルは95.12%acc,94.91%sen,95.31%spe,94.44%F1の最良性能を示した。本研究では,被験者の運動能力を観察するために,ディジタル画像を用いたAtaxic症候群に対する特異的かつ高感度自動試験評価システムを提案した。比較結果は,提案した方法が,臨床的には,まだ症状を検出しないか,臨床的に難しい,運動失調の実践に適用できることを示す。それは初期段階の静的足底圧分布のみを用いて定義でき,臨床診療における医師の補助システムとして推奨できる。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： 運動能力 ,  前処理 ,  *ニューラルネットワーク ,  静圧 ,  自動試験 ,  ディジタル画像 ,  *多発性硬化症 ,  *運動失調 ,  サポートベクトルマシン
準シソーラス用語： 被験者 ,  特徴ベクトル ,  ハイブリッドモデル ,  特異性 ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 多発性硬化症 ,  運動失調 ,  静的足底圧分布 ,  深層学習 ,  CNN

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 多発性硬化症 ,  患者 ,  足底圧分布 ,  モデル ,  畳込みニューラルネットワーク ,  運動失調