Jul, 2022

使用智能手机时间序列数据远程预测帕金森病患者的药物状态

PDF
TL;DR本文提出了一种基于 Transformer 模型对帕金森病患者远程监测数据进行分析，以实现个性化远程医疗技术的方法，结果表明该方法在通过考察患者历史数据学习权重后在预测药物状态方面取得了良好的效果。
medicationneurological diseasesparkinson's diseaseremote sensingmachine learning analysis
发现论文，激发创造
  • 帕金森病多模态室内定位检测药物使用：基于自由生活环境的观察性试验

    通过使用可穿戴设备采集的合成信号强度指示器（RSSI）和加速度计数据，提出了一种基于 Transformer 的室内定位方法来改善目前的室内定位方法的有效性，该方法利用双模态提供的运动补充视图，并在评估时发现其能够检测帕金森病患者服用或停用左旋多巴药物。

    Aug, 2023

  • PhoneMD: 从智能手机数据中学习诊断帕金森病

    使用智能手机的长期数据来诊断帕金森病，研究表明，深度学习模型的表现显著优于传统方法，smartphone 数据可以作为未来可能用于帕金森病诊断的数字生物标志物。

    Oct, 2018

  • 利用人工智能在家测量帕金森病的严重程度

    该研究介绍了一种使用人工智能技术进行帕金森病患者远程多任务运动表现评估的方法，此方法具有高度的准确性和可靠性，并且可以为缺乏神经学治疗的区域提供帕金森病患者及其他运动障碍患者远程客观评估的可能性。

    Mar, 2023

  • 利用机器学习进行早期诊断帕金森病的实验研究

    通过机器学习技术，使用临床特征，声音特征和运动检查等数据，实现对帕金森病的早期检测，并取得了 100％针对 PD 和 RBD 患者的准确分类率，以及对 PD 和 HC 个体的 92％准确分类率。

    Oct, 2023

  • 利用运动症状和机器学习早期检测帕金森病

    本研究旨在利用可穿戴系统，通过机器学习算法分析帕金森症早期症状，挖掘相关生物标志物进行症状监测和早期预测，结果表明通过该方法可获得 91.9% 的预测准确度。

    Apr, 2023

  • 通过多任务视频分析实现帕金森病在家无障碍检测

    通过分析网络摄像头录制的手指敲击、面部表情（微笑）和语音（说出包含所有字母的句子）的特征，我们训练了一种新颖的基于神经网络的融合架构来检测帕金森病，该模型还使用了蒙特卡洛随机失活来提高预测准确性。这种低成本、便捷的帕金森病筛查方法只需一个带有网络摄像头和麦克风的互联网设备，在有限制性临床专家资源的地区尤其方便。

    Jun, 2024

  • 使用多任务神经网络确定帕金森病患者的严重程度

    该论文提出了一种基于深度学习技术的方法，通过语音分析及回归技术能够判断一个人是否患有严重的帕金森症，并预测病情的程度，取得了非常有前景的效果。

    Feb, 2024

  • 通过遥测穿戴设备和智能手机数据开发的数字生物标志物洞察疾病

    数字生物标志物和远程患者监测可以为传统医疗环境中的治疗提供有价值且及时的信息。我们构建了一个开源平台 RADAR-base，支持远程监测研究中的大规模数据收集，从而通过收集的长期纵向数据开发可靠的数字生物标志物，为不同疾病提供有用的洞察。

    Aug, 2023

  • MentalHealthAI：利用个人健康设备数据优化精神病学治疗

    本文提出了一种个性化心理健康监测和情绪预测系统，利用患者生理数据，并采用分散的学习机制结合传输和联邦机器学习，使数据留在用户设备上，在隐私和可追踪的方式下实现心理健康条件的跟踪和管理，从而为精神科治疗提供了一个新颖的解决方案。

    Jul, 2023

  • PARK: 帕金森病远程运动分析

    我们提出了一个基于网络的框架，通过允许用户在家进行神经学测试来筛查帕金森病（PD）。我们的网络框架指导用户完成涉及语音、面部表情和手指运动的三个任务。通过分析任务视频来分类用户是否显示出 PD 的迹象。我们以易于理解的方式呈现结果，并提供个性化资源以进一步获得治疗和关怀。我们的框架可以通过任何主要的 web 浏览器访问，提高了对神经疾病照护的全球可访问性。

    Nov, 2023