文献

J-GLOBAL ID：202202289146218770   整理番号：22A0636961

リハビリテーションのための機械学習を用いたFoG予測に関するパイロット研究【JST・京大機械翻訳】

A Pilot Study on FoG Prediction Using Machine Learning for Rehabilitation

著者 (2件)： Kharbanda Kartik (National Institute of Technology, Delhi, India) ,  Prakash Chandra (National Institute of Technology, Delhi, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1546  ページ： 512-529  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 歩行は,1つの生活の質に重要な影響を与える。Gait(FoG)の凍結はパーキンソン病(PD)の典型的な症状である。FoGは,患者の移動性が制限され,それらの独立性が失われる結果として,迅速で急激な一時的な転倒によって特性化される。したがって,PD患者におけるFoGの早期検出は,診断およびリハビリテーションに必要である。FoGの早期検出のための現在の戦略は無効であり,低い成功率を有する。本研究は,公的に利用可能なDaphNetデータベースに関する検出と予測タスクを実行するための時間と統計的特徴を用いて,ML技術(K最近傍(KNN),決定木,ランダムフォレスト,サポートベクトル分類子(SVC),およびAda Boost Classifier)の比較分析を説明した。FoG予測は高度に患者に依存し,患者の1つに対して80%のピークF1スコアを達成した。また,本論文は,検出用のウェアラブルセンサーの設計を助けるかもしれないすべての患者の複合分析を提示する。このシステムは,約81%の精度値でFoGを検出する。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  精度 ,  凍結 ,  *リハビリテーション ,  ディシジョンツリー ,  症状 ,  キャラクタリゼーション ,  Parkinson病 ,  クオリティオブライフ ,  *機械学習
準シソーラス用語： ウェアラブルセンサ ,  成功率 ,  ランダムフォレスト ,  分類子 ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (5件)： 歩行(FoG)の凍結 ,  機械学習技術 ,  予測 ,  検出 ,  パーキンソン病

分類 (2件)： 神経系の診断  (GN02000H) ,  神経系の疾患  (GN03000O)

タイトルに関連する用語 (6件)： リハビリテーション ,  機械学習 ,  FOG ,  予測 ,  パイロット ,  研究