흥미로운 발표 감사합니다. PSPR 관련하여 질문 궁금한 점이 있어 질문드립니다. PSPR feature가 염기서열 등의 이전 상태에 의존하는 데이터를 모델링하는 방법에 특화되었다고 하였는데, 해당 feature가 어떤 점에 근거하여 ECG 분류에 사용될 수 있는 건가요? Parameter 중에 염기 서열의 갯수(ns)와 염기서열의 길이(np) 또한 ECG의 어떤 부분과 매칭될 수 있는지 잘 이해가 되지 않아서요. 피험자마다 값이 달라지는 건지, 모델링 관점에서 하나의 parameter로 전체 피험자를 모두 분석하는 것인지 궁금합니다. 감사합니다.
좋은 발표 감사합니다. 첫번째 논문과 관련해서 질문이 있는데요, demographic에서 'Had Autopsy'가 당뇨병이 있는 사람을 나타낸 것이라고 하셨는데, autopsy가 부검을 뜻하는 걸로 알고 있어서요. 살아있는 환자들을 대상으로 autopsy를 어떻게 수행한 건지 궁금하고, 파킨슨병이 초래할 수 있는 많은 합병증 중에서 당뇨에 대해서만 따로 확인한 이유가 있는지도 궁금합니다.
좋은 발표 감사합니다. 한 가지 궁금한 점은, SDNN을 제외하면 HRV feature보단 ECG 시계열 feature를 주로 사용하는 것 같은데, 이에 대한 언급이 따로 있는지 궁금하고, standard deviation의 scale이 조금 이상한 것 같은데, 자세한 언급이 있을까요? 일반적으로 SDNN은 30~90 ms 사이의 값을 가지는데, 매칭이 잘 안되는 것 같아서요. 일반적으로 알려진 SDNN이 맞는지 혹은 다른 feature인지 궁금합니다.
흥미로운 연구 소개 감사합니다. 첫 번째 논문에서 질문이 있는데요. Prodromal PD 환자군은 측정 당시에는 PD로 판명이 되지 않았으나 이후 PD로 판명이 된 집단이라고 언급해주셨는데, 그렇다면 10:36 에서 제시해주신 AUC 그래프는 Prodromal PD 환자군은 HC로 분류한 다음 나타낸 그래프인지, 아니면 Prodromal PD, Prevalent PD, HC의 3 클래스 분류 결과인지 궁금합니다. 감사합니다.
좋은 질문 감사합니다. 해당 결과는 Prodromal PD와 control를 분류한 결과로 prodromal PD 그룹이 PD환자로 판정되기 전 측정된 결과입니다. 해당 결과를 통해 control과 prodromal PD 간의 유의미한 차이를 확인하였고, 이것으로 PD 진단보다 ECG의 변화가 먼저 나타나는 것을 확인할 수 있었습니다. 감사합니다.
좋은 연구 소개 감사합니다. 재미있는게 모든 피험자 군에서 당뇨병을 가진 사람이 많다는 점이네요. 몇 가지 궁금한 점이 있는데, 첫번째 연구에서 추출된 9가지 특징에 대해 그룹 간에 통계적인 차이가 없었다는 부분에 대해 3가지 피험자군에 대해 차이가 없었다는 의미일까요?? 사실 피험자군끼리는 통계적인 차이가 있어야 분류에 좋은 특징이 될텐데 통계차이가 없다는 부분이 이상해서요. 그냥 단순히 특징간에 통계를 햇다고 하더라도 서로 완전히 다른 특징들인데 통계차이가 없다는 것도 이상하구요... 그리고 실제 측정이 10초만 된게 맞을까요? 모델을 학습시키려면 샘플이 굉장히 많아야하는데 10초 데이터 한번만 찍어서는 한사람당 하나의 샘플씩만 나오는데 그러면 전체 데이터가 60개 밖에 안되는거잖아요?? 성능이 잘나온게 신기하네요
좋은 발표 감사합니다. ECG가 제가 알고 있던것 보다 다양한 질환의 특징을 잡아낼 수 있다는 점이 흥미로웠습니다. 한가지 궁금한 점은 질환의 진단이 목적이라면 사용성도 중요하지만 정확도가 더 크게 고려해야 할 요인으로 생각되는데, 뇌파 혹은 hybrid 지표를 사용하는 연구들 대비 소개해주신 논문의 정확도가 더 높게 나타나는지, 아니면 비슷한 수준으로 나타나는지 궁금합니다. 감사합니다.
흥미로운 발표 감사합니다. 첫번쨰 논문에서의 PSPR에 대한 내용이 잘 이해가 되지 않는데 PSPR에서 말씀하시는 염기성이라는게 잘 이해가 안되는데 PSPR의 데이터는 참조 10명의 파킨슨 환자 데이터를 가지고 하여 결과에서의 10개의 PSPR결과는 10명의 파킨슨 환자들을 각각 참조했을때의 결과가 아닌가요? 이것에 대해 조금만더 자세히 설명해주시면 좋겠습니가. 감사합니다.
흥미로운 연구 소개 감사합니다. 특별한 질문은 아니지만, 제가 최근 딥러닝 모델의 훈련 parameter인 optimizer와 learning rate를 바꿔가면서 모델의 예측 성능을 비교해보고 있어서 눈에 띄었는데, 두 번째 논문에서 learning rate 정보가 없는 것 같아서요. 혹시 논문에서 해당 내용을 언급한게 없을까요?
좋은 발표 감사합니다. ECG를 이용해 파킨슨병 발병을 예측하는 점이 흥미로운 것 같습니다. 첫번째 논문도 두번째 논문처럼 발병 시기를 나눠서 분류했으면 좋았을 거 같은데 아쉬운 것 같습니다. 첫번째 논문에서 발병 1-8년 전을 모두 뭉뚱그리긴 했지만 정확도90%로 두번째 논문보다 상당히 높은 정확도를 보이는데, 딥러닝 모델이 더 낮은 정확도를 보인 이유가 뭘까요? 감사합니다.
좋은 질문 감사합니다. 모델의 차이도 있겠지만, 서로 다른 데이터셋을 사용하여 나타나는 차이로 볼 수도 있겠습니다. 첫 번째 연구의 경우 미국계 일본인 남성을 대상으로만 하여 한정된 집단 내 데이터만을 사용하였고, 이와 달리 두 번째 연구에서는 다양한 인종 및 성별로 여러 집단의 데이터를 이용하였기에 두 번째 논문에서 더 낮은 정확도를 보인 것이 아닐 지 추측하고 있습니다. 다만 모델의 경우, 정확도도 물론 중요하지만 개인화 된 모델을 만드는 것이 아니라면 일반적인 모델을 구축하는 것이 의미있다고 생각하기에 두번째 연구도 의의가 있다고 봤습니다..! 감사합니다.
좋은 발표 감사합니다. 연구와 직접적인 관련은 없는 질문이 있는데, K-fold는 PSPR 통계 분석을 위해서만 사용이 된 것인가요? 또한, k가 2~24 사이의 값으로 분석한 게 잘 이해가 안되는데, 해당 범위로 k를 지정한 이유와 결과에서는 어떠한 k를 설정했는지 궁금합니다.
좋은 질문 감사합니다. 해당 연구에서 k-fold CV는 pspr에서 생성된 특징 10개와 이전 특징추출에서의 HR 특징 9개를 사용한 로지스틱 회귀 모델에서의 평가로 사용되었는데, k를 최소범위값인 2에서 24까지 범위를 설정한 이유는 논문에 따로 언급되어있진 않았습니다. 다만 10:40 부근의 그래프 결과를 볼때, k=15 이상부터는 어느정도 비슷한 성능이 나오는 듯 하여 24 이후부터는 추가적인 검증을 시도하지 않은 것으로 추측됩니다. 감사합니다.
![[저널미팅] Impaired Modulation of the Autonomic Nervous System in Adult MDD](http://i.ytimg.com/vi/DStqK0I2Gyc/mqdefault.jpg)
![[저널미팅] Evaluating regression and probabilistic methods forECG-based electrolyte prediction](http://i.ytimg.com/vi/eXSZpDNeCzo/mqdefault.jpg)
![Felix "Unfair" | [Stray Kids : SKZ-PLAYER]](http://i.ytimg.com/vi/Oswujxm2Ag0/mqdefault.jpg)
![[저널 미팅] Machine Learning Based Prediction of tPBM Effects on Older Adults Using fNIRS](/img/1.gif)
좋은 발표 감사합니다. Ecg가 생각보다 다양한 질병과 연관되어 있는 것이 흥미로웠습니다. 첫번째 논문에서 Pspr특징추출시 최적의 downsampling수치는 ns와 np값에 따라 달라지는 것인가요..? 아니면 상관없이 8hz고정인 것일까요..? 감사합니다.
흥미로운 발표 감사합니다. PSPR 관련하여 질문 궁금한 점이 있어 질문드립니다. PSPR feature가 염기서열 등의 이전 상태에 의존하는 데이터를 모델링하는 방법에 특화되었다고 하였는데, 해당 feature가 어떤 점에 근거하여 ECG 분류에 사용될 수 있는 건가요? Parameter 중에 염기 서열의 갯수(ns)와 염기서열의 길이(np) 또한 ECG의 어떤 부분과 매칭될 수 있는지 잘 이해가 되지 않아서요. 피험자마다 값이 달라지는 건지, 모델링 관점에서 하나의 parameter로 전체 피험자를 모두 분석하는 것인지 궁금합니다. 감사합니다.
좋은 발표 감사합니다. 첫번째 논문과 관련해서 질문이 있는데요, demographic에서 'Had Autopsy'가 당뇨병이 있는 사람을 나타낸 것이라고 하셨는데, autopsy가 부검을 뜻하는 걸로 알고 있어서요. 살아있는 환자들을 대상으로 autopsy를 어떻게 수행한 건지 궁금하고, 파킨슨병이 초래할 수 있는 많은 합병증 중에서 당뇨에 대해서만 따로 확인한 이유가 있는지도 궁금합니다.
좋은 발표 감사합니다.
한 가지 궁금한 점은, SDNN을 제외하면 HRV feature보단 ECG 시계열 feature를 주로 사용하는 것 같은데, 이에 대한 언급이 따로 있는지 궁금하고, standard deviation의 scale이 조금 이상한 것 같은데, 자세한 언급이 있을까요? 일반적으로 SDNN은 30~90 ms 사이의 값을 가지는데, 매칭이 잘 안되는 것 같아서요. 일반적으로 알려진 SDNN이 맞는지 혹은 다른 feature인지 궁금합니다.
흥미로운 연구 소개 감사합니다. 첫 번째 논문에서 질문이 있는데요. Prodromal PD 환자군은 측정 당시에는 PD로 판명이 되지 않았으나 이후 PD로 판명이 된 집단이라고 언급해주셨는데, 그렇다면 10:36 에서 제시해주신 AUC 그래프는 Prodromal PD 환자군은 HC로 분류한 다음 나타낸 그래프인지, 아니면 Prodromal PD, Prevalent PD, HC의 3 클래스 분류 결과인지 궁금합니다. 감사합니다.
좋은 질문 감사합니다. 해당 결과는 Prodromal PD와 control를 분류한 결과로 prodromal PD 그룹이 PD환자로 판정되기 전 측정된 결과입니다.
해당 결과를 통해 control과 prodromal PD 간의 유의미한 차이를 확인하였고,
이것으로 PD 진단보다 ECG의 변화가 먼저 나타나는 것을 확인할 수 있었습니다. 감사합니다.
좋은 연구 소개 감사합니다. 재미있는게 모든 피험자 군에서 당뇨병을 가진 사람이 많다는 점이네요.
몇 가지 궁금한 점이 있는데, 첫번째 연구에서 추출된 9가지 특징에 대해 그룹 간에 통계적인 차이가 없었다는 부분에 대해 3가지 피험자군에 대해 차이가 없었다는 의미일까요?? 사실 피험자군끼리는 통계적인 차이가 있어야 분류에 좋은 특징이 될텐데 통계차이가 없다는 부분이 이상해서요. 그냥 단순히 특징간에 통계를 햇다고 하더라도 서로 완전히 다른 특징들인데 통계차이가 없다는 것도 이상하구요... 그리고 실제 측정이 10초만 된게 맞을까요? 모델을 학습시키려면 샘플이 굉장히 많아야하는데 10초 데이터 한번만 찍어서는 한사람당 하나의 샘플씩만 나오는데 그러면 전체 데이터가 60개 밖에 안되는거잖아요?? 성능이 잘나온게 신기하네요
좋은 발표 감사합니다.
ECG가 제가 알고 있던것 보다 다양한 질환의 특징을 잡아낼 수 있다는 점이 흥미로웠습니다. 한가지 궁금한 점은 질환의 진단이 목적이라면 사용성도 중요하지만 정확도가 더 크게 고려해야 할 요인으로 생각되는데, 뇌파 혹은 hybrid 지표를 사용하는 연구들 대비 소개해주신 논문의 정확도가 더 높게 나타나는지, 아니면 비슷한 수준으로 나타나는지 궁금합니다.
감사합니다.
좋은 질문 감사합니다. 데이터셋이 달라 직접적인 비교는 힘들겠지만, resting EEG을 사용한 데이터셋의 경우, 정확도는 약 70~90%대 까지 다양한 범위의 정확도가 나오는 것을 확인하였습니다. 감사합니다.
좋은 발표 감사합니다.
첫번째 연구에서 Prodromal PD 환자군에서 PD 진단까지의 시간이 다양했을 것으로 보이는데, 이 진단 시점까지의 시간에 대해서는 분석이 없었는지 궁금합니다.
좋은 질문 감사합니다. 진단 시점 중에서의 prodromal PD 시간에 대해 분석은 없었습니다. 다만 말씀 주신 것처럼 prodromal PD의 측정 후 발병 기간 간의 분석을 시도해보는 것도 의미있는 연구가 될 것 같습니다. 감사합니다.
흥미로운 발표 감사합니다. 첫번쨰 논문에서의 PSPR에 대한 내용이 잘 이해가 되지 않는데 PSPR에서 말씀하시는 염기성이라는게 잘 이해가 안되는데 PSPR의 데이터는 참조 10명의 파킨슨 환자 데이터를 가지고 하여 결과에서의 10개의 PSPR결과는 10명의 파킨슨 환자들을 각각 참조했을때의 결과가 아닌가요? 이것에 대해 조금만더 자세히 설명해주시면 좋겠습니가. 감사합니다.
흥미로운 연구 소개 감사합니다.
특별한 질문은 아니지만, 제가 최근 딥러닝 모델의 훈련 parameter인 optimizer와 learning rate를 바꿔가면서 모델의 예측 성능을 비교해보고 있어서 눈에 띄었는데, 두 번째 논문에서 learning rate 정보가 없는 것 같아서요. 혹시 논문에서 해당 내용을 언급한게 없을까요?
좋은 질문 감사합니다. 영상에서는 해당 부분을 놓쳐 말씀드리지 못했습니다.. learning rate은 0.001로 고정된 값을 설정하였다고 합니다. 감사합니다.
좋은 발표 감사합니다. 12-Lead ECG의 경우 12 종류의 ECG를 모두 사용하는 것인지, 아니면 일부 종속적인 ECG를 제외하고 사용하는 것인지 궁금합니다.
감사합니다
좋은 질문 감사합니다. 12-lead ECG 는 lead I,II,III,aVR, aVL. aVF, V1~V6 을 모두 포함하는 심전도 측정 방법으로 이에 따라 12개의 전극을 사용해 측정하였다고 합니다. 감사합니다.
좋은 발표 감사합니다.
ECG를 이용해 파킨슨병 발병을 예측하는 점이 흥미로운 것 같습니다.
첫번째 논문도 두번째 논문처럼 발병 시기를 나눠서 분류했으면 좋았을 거 같은데 아쉬운 것 같습니다. 첫번째 논문에서 발병 1-8년 전을 모두 뭉뚱그리긴 했지만 정확도90%로 두번째 논문보다 상당히 높은 정확도를 보이는데, 딥러닝 모델이 더 낮은 정확도를 보인 이유가 뭘까요?
감사합니다.
좋은 질문 감사합니다. 모델의 차이도 있겠지만, 서로 다른 데이터셋을 사용하여 나타나는 차이로 볼 수도 있겠습니다. 첫 번째 연구의 경우 미국계 일본인 남성을 대상으로만 하여 한정된 집단 내 데이터만을 사용하였고, 이와 달리 두 번째 연구에서는 다양한 인종 및 성별로 여러 집단의 데이터를 이용하였기에 두 번째 논문에서 더 낮은 정확도를 보인 것이 아닐 지 추측하고 있습니다. 다만 모델의 경우, 정확도도 물론 중요하지만 개인화 된 모델을 만드는 것이 아니라면 일반적인 모델을 구축하는 것이 의미있다고 생각하기에 두번째 연구도 의의가 있다고 봤습니다..! 감사합니다.
좋은 발표 감사합니다. 연구와 직접적인 관련은 없는 질문이 있는데, K-fold는 PSPR 통계 분석을 위해서만 사용이 된 것인가요? 또한, k가 2~24 사이의 값으로 분석한 게 잘 이해가 안되는데, 해당 범위로 k를 지정한 이유와 결과에서는 어떠한 k를 설정했는지 궁금합니다.
좋은 질문 감사합니다. 해당 연구에서 k-fold CV는 pspr에서 생성된 특징 10개와 이전 특징추출에서의 HR 특징 9개를 사용한 로지스틱 회귀 모델에서의 평가로 사용되었는데, k를 최소범위값인 2에서 24까지 범위를 설정한 이유는 논문에 따로 언급되어있진 않았습니다. 다만 10:40 부근의 그래프 결과를 볼때, k=15 이상부터는 어느정도 비슷한 성능이 나오는 듯 하여 24 이후부터는 추가적인 검증을 시도하지 않은 것으로 추측됩니다. 감사합니다.
@@Ju-An_Park 답변 감사합니다!