parkinson's disease | BriefGPT

关键词parkinson's disease

搜索结果 - 71

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
PDF13 days ago
PPINtonus: 早期利用深度学习音调分析检测帕金森病
利用深度学习音调分析的 PPINtonus 系统，提供一种经济实惠且可访问的替代方案，用于早期检测帕金森病，与帕金森声音项目 (PVP) 合作，使用半监督条件生成对抗网络生成合成数据点，增强多层深度神经网络的训练数据集，结合 PRAAT 语
PDFa month ago
用于临床应用的基于骨架的运动编码模型的基准测试：估计步行序列中的帕金森病严重程度
本研究通过对大规模人体动作数据集上进行训练的通用人体动作编码器在分析帕金森病患者步态模式方面的应用进行了调查。结果显示，这些模型在分析帕金森步态等病理性动作方面的有效性尚未得到充分验证。我们提出了一个比较框架，并通过评估六个预训练的最先进的
PDFa month ago
帕金森病检测的动态增强静态手写表示
这篇论文研究了使用动态增强的静态手写图像来诊断帕金森病，通过同时利用手写的静态和动态属性，提出了一种嵌入动态信息的静态表示方法，通过在同一数据集上与现有方法进行了公平比较，证明了动态增强的静态手写图像能够胜过独立使用静态和动态手写的结果，从
PDFa month ago
利用脑电图信号和机器学习技术进行帕金森病诊断的综合研究
通过分析人类脑电图信号，采用支持向量机分类模型，提出了一种创新的帕金森病诊断方法，该研究通过提高诊断准确性和可靠性增强了模型的性能。
PDF2 months ago
混合现实眼动追踪在神经退行性疾病诊断中的应用
通过混合现实技术实现眼动跟踪和评估，为神经退行性疾病提供一种非侵入性的监测方法，以诊断帕金森病为例，通过提取从眼注视分析中得出的临床相关特征，实现对疾病进展和认知功能的可靠评估。
PDF2 months ago
使用随机游走重启算法和帕金森病本体数据库进行帕金森病的药物再利用
设计了一个新型的计算平台，结合了基因表达数据、生物网络和 PDOD 数据库，以识别可能在 PD 治疗中重新定位药物。通过使用机器学习方法如 RWR 算法和 PDOD 评分系统，我们整理药物 - 疾病转换并根据其可能的疗效排序潜在候选物。我们
PDF3 months ago
应用可穿戴传感器测量的步态周期数据进行帕金森病早期检测的综合深度学习框架：CNN-GRU-GNN 方法
我们提出了一种深度学习模型，利用步态周期数据集实现对帕金森病的二分类早期检测，通过使用 1D - 卷积神经网络（CNN）、门控循环单元（GRU）和图神经网络（GNN）层，协同地捕捉数据中的时序动态和空间关系，从而实现了非凡的性能表现，准确率
PDF3 months ago
利用大型语言模型检测帕金森病的自发语言变化
利用大型语言模型，通过自发语音进行自动检测帕金森病的精确度高达 73%。
PDF3 months ago
使用 Transformer 网络和单个腰部佩戴的三轴加速计改善帕金森病步态冻结检测的性能
这篇论文介绍了使用单一佩戴式三轴加速度计和基于 Transformer 和卷积网络的新型分类算法在自由活动和实时使用中实现自动冻结行走检测的最新进展，通过在家居环境下进行的日常活动时呈现的 21 名患有 FOG 的患者的数据，研究表明该提议
PDF3 months ago
AI WALKUP: 一种基于计算机视觉的方法用于量化帕金森病患者的 MDS-UPDRS 评分
通过基于计算机视觉的解决方案捕获人体姿势图像，使用算法进行重建和运动分析，并通过特征工程提取运动量的特征，从而可以在不同智能手机上部署，并通过我们的应用程序快速便捷地进行视频录制和人工智能分析。
PDF3 months ago
基于半参数加法回归和 LSTM-FCN 的分层分类在计算机视觉帕金森僵直度量中的统计分析
通过引入细致的数值分析以捕捉幅度减少，并采用简单的深度学习技术 LSTM-FCN，此研究通过层次化的分类过程对帕金森病患者的肢体动作进行精确分类，并在统计分析中证实了 ' 偶尔停顿 ' 和 ' 幅度减少 ' 在肢体运动的振颤病中的重要性，该
PDF3 months ago
利用磁共振成像多特征整合灰白质信息对帕金森病患者亚型进行标记
使用基于互相关的最近邻（MKNN）阈值化方法对帕金森病患者的脑网络进行分析，并发现了不同亚型之间的显著差异。
PDF3 months ago
ε- 神经汤普森采样在深脑刺激中对帕金森病治疗的应用
提出了一种基于上下文多臂赌博机方法的自适应深部脑刺激算法，以调整刺激的频率，解决现有电刺激方法的能量效率和副作用问题，并在测试中显示出优于传统方法的效果。
PDF4 months ago
BagStacking: 帕金森病步态冻结的综合集成学习方法
本文介绍了 BagStacking 的新型集成学习方法，利用下背部传感器追踪加速度，增强帕金森病（PD）中步态冻结（FOG）的检测，通过 bagging 和 stacking 的原理，旨在利用 bagging 的引导采样降低方差，同时通过
PDF4 months ago
利用临床和功能磁共振成像特征预测帕金森病进展轨迹：一项再现与复制研究
研究对帕金森病的神经影像学生物标志物进行复制和复现，使用人口统计、临床和神经影像特征（从静息态功能磁共振成像中提取的 fALFF 和 ReHo）预测个体的帕金森病现状和进展，结果表明在与原始研究最接近的分析流程下与该研究一致地取得了显著优于
PDF4 months ago
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。
PDF5 months ago
使用声音特征评估回声状态网络对帕金森病预测的研究
该研究旨在开发一种诊断模型，能够在临床实践中实现高准确度和最小化误报阴性，使用 ANOVA 进行特征选择，结合 Echo State Networks 等多种机器学习方法进行评估，结果表明 ESN 方法在 Parkinson's 疾病诊断方
PDF5 months ago
利用卷积神经网络与长短时记忆层相结合预测帕金森病进展
该研究使用 “帕金森病进展标志倡议” 数据集，开发了一个 3DCNN + LSTM 模型，通过分析磁共振成像数据来识别帕金森病的进展阶段，并取得了具有最先进结果的 91.90％的分类准确率。
PDF6 months ago
基于图的多流自适应卷积正负样本学习用于帕金森病识别
PULSAR 是一种新型方法，通过以视频的形式记录手指敲击任务以筛查帕金森病 (PD)，并通过自适应图卷积神经网络和多流自适应卷积模型学习数据的关键特征，实现了 80.95% 的准确率和 71.29% 的平均准确率，该方法有望增加 PD 筛
PDF7 months ago