論文の概要: Multimodal Inductive Transfer Learning for Detection of Alzheimer's
Dementia and its Severity
- arxiv url: http://arxiv.org/abs/2009.00700v1
- Date: Sun, 30 Aug 2020 21:47:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 12:20:42.284124
- Title: Multimodal Inductive Transfer Learning for Detection of Alzheimer's
Dementia and its Severity
- Title（参考訳）: アルツハイマー型認知症検出のためのマルチモーダルインダクティブトランスファー学習とその重症度
- Authors: Utkarsh Sarawgi, Wazeer Zulfikar, Nouran Soliman, Pattie Maes
- Abstract要約: 本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。
時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。
本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
- 参考スコア（独自算出の注目度）: 39.57255380551913
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Alzheimer's disease is estimated to affect around 50 million people worldwide
and is rising rapidly, with a global economic burden of nearly a trillion
dollars. This calls for scalable, cost-effective, and robust methods for
detection of Alzheimer's dementia (AD). We present a novel architecture that
leverages acoustic, cognitive, and linguistic features to form a multimodal
ensemble system. It uses specialized artificial neural networks with temporal
characteristics to detect AD and its severity, which is reflected through
Mini-Mental State Exam (MMSE) scores. We first evaluate it on the ADReSS
challenge dataset, which is a subject-independent and balanced dataset matched
for age and gender to mitigate biases, and is available through DementiaBank.
Our system achieves state-of-the-art test accuracy, precision, recall, and
F1-score of 83.3% each for AD classification, and state-of-the-art test root
mean squared error (RMSE) of 4.60 for MMSE score regression. To the best of our
knowledge, the system further achieves state-of-the-art AD classification
accuracy of 88.0% when evaluated on the full benchmark DementiaBank Pitt
database. Our work highlights the applicability and transferability of
spontaneous speech to produce a robust inductive transfer learning model, and
demonstrates generalizability through a task-agnostic feature-space. The source
code is available at https://github.com/wazeerzulfikar/alzheimers-dementia
- Abstract（参考訳）: アルツハイマー病は世界中で約5000万人に影響を与えると推定され、世界経済の負担は1兆ドル近くと急速に増加している。
これにより、スケーラブルで費用対効果が高く、ロバストなアルツハイマー型認知症(ad)検出法が要求される。
本稿では,音響的,認知的,言語的特徴を活用し,マルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。
時間的特徴を持つ特殊なニューラルネットワークを使用してadとその重大度を検出し、mini-mental state examination (mmse)スコアによって反映される。
まず,adress challengeデータセットについて評価を行った。adress challengeデータセットは,対象に依存しないバランスの取れたデータセットで,バイアスを軽減するために年齢と性別にマッチする。
本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
我々の知る限り、このシステムは、DementiaBank Pittデータベースの全ベンチマークで評価すると、最先端のAD分類精度88.0%を達成する。
本研究は,頑健な帰納的伝達学習モデルを構築するための自然発話の適用性と伝達性を強調し,タスクに依存しない特徴空間による一般化性を示す。
ソースコードはhttps://github.com/wazeerzulfikar/alzheimers-dementiaで入手できる。
関連論文リスト
- Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。
我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。
本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-22T02:06:05Z) - Alzheimer's Magnetic Resonance Imaging Classification Using Deep and Meta-Learning Models [2.4561590439700076]
本研究では,最新のCNNを特徴とする深層学習技術を活用することで,アルツハイマー病(AD)のMRIデータを分類することに焦点を当てた。
アルツハイマー病は高齢者の認知症の主要な原因であり、徐々に認知機能障害を引き起こす不可逆的な脳疾患である。
将来、この研究は、信号、画像、その他のデータを含む他の種類の医療データを組み込むように拡張することができる。
論文 参考訳（メタデータ） (2024-05-20T15:44:07Z) - A Hybrid Transfer Learning Assisted Decision Support System for Accurate
Prediction of Alzheimer Disease [0.0]
アルツハイマー病は高齢者で最も一般的な長期疾患である。
ディープニューラルモデルは一般的な機械学習よりも正確で効果的である。
論文 参考訳（メタデータ） (2023-10-13T06:48:38Z) - 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) - Exploiting prompt learning with pre-trained language models for
Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。
本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文 参考訳（メタデータ） (2022-10-29T09:18:41Z) - Deep Multi-Branch CNN Architecture for Early Alzheimer's Detection from
Brain MRIs [0.0]
アルツハイマー病(英語: Alzheimer's disease、AD)は、認知症を引き起こす神経変性疾患である。
7,866,819個のパラメータからなる深層畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
このモデルは、患者が99.05%の3段階の精度で、非段調、軽度段調、中等度段調であるかどうかを予測することができる。
論文 参考訳（メタデータ） (2022-10-22T02:25:07Z) - Exploring linguistic feature and model combination for speech
recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。
専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。
本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文 参考訳（メタデータ） (2022-06-28T05:09:01Z) - Conformer Based Elderly Speech Recognition System for Alzheimer's
Disease Detection [62.23830810096617]
アルツハイマー病(AD)の早期診断は、予防ケアがさらなる進行を遅らせるのに不可欠である。
本稿では,DementiaBank Pitt コーパスをベースとした最新のコンバータに基づく音声認識システムの開発について述べる。
論文 参考訳（メタデータ） (2022-06-23T12:50:55Z) - Explainable Identification of Dementia from Transcripts using
Transformer Networks [0.0]
アルツハイマー病(英語: Alzheimer's disease, AD)は、認知症の主要な原因であり、記憶喪失を伴い、時間通りに診断されない場合の日常生活に深刻な結果をもたらす可能性がある。
本稿では,2つのマルチタスク学習モデルを紹介し,主課題は認知症(バイナリ分類)の同定であり,補助課題は認知症の重症度(マルチクラス分類)の同定に対応する。
マルチタスク学習環境におけるAD患者検出の精度は84.99%である。
論文 参考訳（メタデータ） (2021-09-14T21:49:05Z) - Deep Convolutional Neural Network based Classification of Alzheimer's
Disease using MRI data [8.609787905151563]
アルツハイマー病(Alzheimer's disease、AD)は、脳細胞を破壊し、患者の記憶に損失を引き起こす進行性および不治性の神経変性疾患である。
本稿では,不均衡な3次元MRIデータセットを用いた2次元深部畳み込みニューラルネットワーク(2D-DCNN)によるADの診断手法を提案する。
このモデルはMRIをAD、軽度認知障害、正常制御の3つのカテゴリに分類し、99.89%の分類精度を不均衡クラスで達成した。
論文 参考訳（メタデータ） (2021-01-08T06:51:08Z)
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。