論文の概要: A Neural Approach to Ordinal Regression for the Preventive Assessment of
Developmental Dyslexia
- arxiv url: http://arxiv.org/abs/2002.02184v2
- Date: Tue, 20 Oct 2020 10:49:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 09:35:25.472908
- Title: A Neural Approach to Ordinal Regression for the Preventive Assessment of
Developmental Dyslexia
- Title(参考訳): 発達障害の予防的評価のための正規回帰に対するニューラルアプローチ
- Authors: F.J. Martinez-Murcia, A. Ortiz, Marco A. Formoso, M. Lopez-Zamora,
J.L. Luque, A. Gim\'enez
- Abstract要約: 発達性Dyslexia(DD)は、人口の約5%に影響を与える読解能力の獲得に関連する学習障害である。
そこで,本研究では,学生が読み取る前にDDのリスクを評価する手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developmental Dyslexia (DD) is a learning disability related to the
acquisition of reading skills that affects about 5% of the population. DD can
have an enormous impact on the intellectual and personal development of
affected children, so early detection is key to implementing preventive
strategies for teaching language. Research has shown that there may be
biological underpinnings to DD that affect phoneme processing, and hence these
symptoms may be identifiable before reading ability is acquired, allowing for
early intervention. In this paper we propose a new methodology to assess the
risk of DD before students learn to read. For this purpose, we propose a mixed
neural model that calculates risk levels of dyslexia from tests that can be
completed at the age of 5 years. Our method first trains an auto-encoder, and
then combines the trained encoder with an optimized ordinal regression neural
network devised to ensure consistency of predictions. Our experiments show that
the system is able to detect unaffected subjects two years before it can assess
the risk of DD based mainly on phonological processing, giving a specificity of
0.969 and a correct rate of more than 0.92. In addition, the trained encoder
can be used to transform test results into an interpretable subject spatial
distribution that facilitates risk assessment and validates methodology.
- Abstract(参考訳): 発達性Dyslexia(DD)は、人口の約5%に影響を与える読解能力の獲得に関連する学習障害である。
DDは、患児の知的・個人的発達に大きな影響を与える可能性があるため、早期発見は、言語教育の予防戦略を実施する鍵となる。
研究により、音素処理に影響を及ぼすDDに生物学的基盤があることが示されており、読み出し能力を得る前にこれらの症状が特定できる可能性があり、早期の介入が可能である。
本稿では,学生が読み取る前にDDのリスクを評価する新しい手法を提案する。
そこで,本研究では,5歳時に完成できるテストから,失読症のリスクレベルを計算する混合ニューラルモデルを提案する。
提案手法は,まずオートエンコーダを訓練し,その後,予測の一貫性を確保するために最適化された順序回帰ニューラルネットワークと符号化する。
実験の結果, 本システムは音韻処理を中心にddのリスクを評価できるまでに2年を要し, 0.969の特異性と0.92以上の正解率を与えることができた。
さらに、トレーニングされたエンコーダを用いて、テスト結果を解釈可能な対象空間分布に変換し、リスク評価と方法論の検証を容易にする。
関連論文リスト
- DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。
The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文 参考訳(メタデータ) (2023-12-02T22:57:25Z) - Detection of developmental language disorder in Cypriot Greek children
using a neural network algorithm [0.0]
本研究の目的は,人工知能を用いた発達言語障害(DLD)の自動識別手法の開発である。
このプロトコルは、DLDを持つキプロス系ギリシャ人の子供に初めて適用される。
モデルの性能は精度,精度,リコール,F1スコア,ROC/AUC曲線などの指標を用いて評価した。
論文 参考訳(メタデータ) (2023-11-25T15:23:46Z) - Quantum Machine Learning in the Cognitive Domain: Alzheimer's Disease
Study [0.0]
アルツハイマー病(英語: Alzheimer's disease、AD)は、神経変性脳疾患の1つである。
認知障害による影響の1つは手書きである。
高齢者のADを手書き解析により検出するための古典的人工知能(AI)アプローチがいくつか提案されている。
近年の研究では、医療における量子コンピューティング技術の使用は、これらの問題に対処するだけでなく、複雑なデータ分析を加速し、大規模データセットをより効率的に処理できることが示されている。
論文 参考訳(メタデータ) (2023-09-15T16:50:57Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳(メタデータ) (2023-03-14T16:03:28Z) - Comparison of Probabilistic Deep Learning Methods for Autism Detection [0.0]
自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、現在世界中で普及している神経発達障害の一つ。
この疾患の早期発見は、発症治療に役立ち、正常な生活を導くのに役立つ。
論文 参考訳(メタデータ) (2023-03-09T17:49:37Z) - NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical
Development Patterns of Preterm Infants [73.85768093666582]
我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。
NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
論文 参考訳(メタデータ) (2023-01-01T12:48:12Z) - Detecting Autism Spectrum Disorders with Machine Learning Models Using
Speech Transcripts [0.0]
自閉症スペクトラム障害(Autism spectrum disorder、ASD)は、子どもの相互作用、コミュニケーション、他者との交流に影響を及ぼす神経発達障害として定義される。
ASDを正確に診断する現在の方法は、侵襲的、時間的、退屈である。
音声を使った機械学習モデル、顔からのコンピュータービジョン、網膜、脳MRI画像など、この疾患を正確にタイムリーに検出する新しい技術が急速に発展しつつある。
論文 参考訳(メタデータ) (2021-10-07T09:10:15Z) - Development of an autism screening classification model for toddlers [0.0]
自閉症スペクトラム障害 ASDは、コミュニケーション、社会的相互作用、反復行動の課題に関連する神経発達障害である。
本研究は, 乳幼児の早期検診に寄与し, ASD 特性を有する者を同定し, 正式な臨床診断を行おうとする。
論文 参考訳(メタデータ) (2021-09-29T09:07:39Z) - Estimating and Improving Fairness with Adversarial Learning [65.99330614802388]
本研究では,深層学習に基づく医療画像解析システムにおけるバイアスの同時緩和と検出を目的としたマルチタスク・トレーニング戦略を提案する。
具体的には,バイアスに対する識別モジュールと,ベース分類モデルにおける不公平性を予測するクリティカルモジュールを追加することを提案する。
大規模で利用可能な皮膚病変データセットのフレームワークを評価します。
論文 参考訳(メタデータ) (2021-03-07T03:10:32Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z) - 1-D Convlutional Neural Networks for the Analysis of Pupil Size
Variations in Scotopic Conditions [79.71065005161566]
1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。
モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
論文 参考訳(メタデータ) (2020-02-06T17:25:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。