論文の概要: AI-Augmented Behavior Analysis for Children with Developmental
Disabilities: Building Towards Precision Treatment
- arxiv url: http://arxiv.org/abs/2102.10635v1
- Date: Sun, 21 Feb 2021 16:15:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-23 20:36:55.726006
- Title: AI-Augmented Behavior Analysis for Children with Developmental
Disabilities: Building Towards Precision Treatment
- Title(参考訳): 発達障害児に対するAIによる行動分析 : 精密治療に向けて
- Authors: Shadi Ghafghazi, Amarie Carnett, Leslie Neely, Arun Das, Paul Rad
- Abstract要約: AI-Augmented Learning and Applied Behavior Analytics(AI-ABA)プラットフォームを提供し、パーソナライズされた治療と学習計画を提供します。
自動データ収集と分析とともに体系的な実験を定義することで、AI-ABAは自己規制的行動を促進することができる。
- 参考スコア(独自算出の注目度): 2.0324247356209835
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autism spectrum disorder is a developmental disorder characterized by
significant social, communication, and behavioral challenges. Individuals
diagnosed with autism, intellectual, and developmental disabilities (AUIDD)
typically require long-term care and targeted treatment and teaching. Effective
treatment of AUIDD relies on efficient and careful behavioral observations done
by trained applied behavioral analysts (ABAs). However, this process
overburdens ABAs by requiring the clinicians to collect and analyze data,
identify the problem behaviors, conduct pattern analysis to categorize and
predict categorical outcomes, hypothesize responsiveness to treatments, and
detect the effects of treatment plans. Successful integration of digital
technologies into clinical decision-making pipelines and the advancements in
automated decision-making using Artificial Intelligence (AI) algorithms
highlights the importance of augmenting teaching and treatments using novel
algorithms and high-fidelity sensors. In this article, we present an
AI-Augmented Learning and Applied Behavior Analytics (AI-ABA) platform to
provide personalized treatment and learning plans to AUIDD individuals. By
defining systematic experiments along with automated data collection and
analysis, AI-ABA can promote self-regulative behavior using reinforcement-based
augmented or virtual reality and other mobile platforms. Thus, AI-ABA could
assist clinicians to focus on making precise data-driven decisions and increase
the quality of individualized interventions for individuals with AUIDD.
- Abstract(参考訳): 自閉症スペクトラム障害は、社会的、コミュニケーション的、行動的課題を特徴とする発達障害である。
自閉症、知的障害、発達障害(auidd)と診断される個人は通常、長期のケアと治療と教育を必要とする。
AUIDDの効果的な治療は、訓練された応用行動分析者(ABA)が行う効率的で慎重な行動観察に依存している。
しかし、このプロセスは、臨床医にデータの収集と分析、問題行動の特定、分類的結果の分類と予測のためのパターン分析の実行、治療に対する応答性の仮説化、治療計画の効果の検出など、ABAを過大評価する。
臨床意思決定パイプラインへのデジタル技術の統合と人工知能(AI)アルゴリズムによる自動意思決定の進歩は、新しいアルゴリズムと高忠実度センサーを使用して教育と治療を強化することの重要性を強調しています。
本稿では、AI-Augmented Learning and Applied Behavior Analytics(AI-ABA)プラットフォームを紹介し、AUIDD個人に対してパーソナライズされた治療と学習計画を提供する。
自動データ収集と分析とともに体系的な実験を定義することで、AI-ABAは強化ベースの拡張現実や仮想現実やその他のモバイルプラットフォームを使用した自己規制行動を促進することができる。
これにより、AI-ABAは、臨床医が正確なデータ駆動意思決定に集中し、AUIDDの個人に対する個別の介入の質を高めることができる。
関連論文リスト
- Computational Language Assessment: Open Brain AI [0.0]
言語評価は、個人を言語、言語、コミュニケーション障害で診断し、治療する上で重要な役割を担っている。
私たちは、機械学習や自然言語処理など、革新的なAI技術を活用する計算プラットフォームであるOpen Brain AIを紹介します。
このプラットフォームは、診断の精度を高め、治療戦略を最適化する信頼性と効率的な測定を提供することができる。
論文 参考訳(メタデータ) (2023-06-11T14:37:45Z) - 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) - 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) - Preparing data for pathological artificial intelligence with
clinical-grade performance [0.0]
病理人工知能(PAI)は、診断精度と効率を向上させると考えられている。
論文は、2017年1月から2022年2月まで発行されたPubMedデータベースにおけるPAI関連の研究をレビューしている。
論文 参考訳(メタデータ) (2022-05-22T05:20:41Z) - Computational behavior recognition in child and adolescent psychiatry: A
statistical and machine learning analysis plan [3.975358343371988]
我々は,人工知能(AI)ツールを用いた心理療法と研究のために,人間の行動のコーディングを自動化することを目的としている。
強迫性障害 (OCD) を持つ25人の若者と, 精神科的診断 (no-OCD) を伴わない12人の青少年のゴールドスタンダード半構造化診断インタビューのビデオを分析した。
論文 参考訳(メタデータ) (2022-05-11T19:12:15Z) - Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral
Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。
本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。
提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
論文 参考訳(メタデータ) (2022-01-11T13:55:57Z) - Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy:
Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。
これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。
我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
論文 参考訳(メタデータ) (2021-06-15T22:06:39Z) - Review of Machine Learning Algorithms for Brain Stroke Diagnosis and
Prognosis by EEG Analysis [50.591267188664666]
ストローク(Strokes)は、アメリカ合衆国の成人障害の主要な原因である。
脳-コンピュータインタフェース(Brain-Computer Interfaces、BCI)は、患者の神経経路の回復または電子補綴器との効果的なコミュニケーションを支援する。
さまざまな機械学習技術とアルゴリズムをBCI技術と組み合わせることで、脳卒中治療にBCIを使うことは、有望で急速に拡大する分野であることを示している。
論文 参考訳(メタデータ) (2020-08-06T19:50:29Z) - Deep Learning for Neuroimaging-based Diagnosis and Rehabilitation of
Autism Spectrum Disorder: A Review [14.639115166647871]
人工知能(AI)技術は、医師が自動診断とリハビリテーションの手順を適用するのを助ける。
ASDの診断のための深層学習(DL)法は神経画像に基づくアプローチに焦点が当てられている。
本稿では,ASDを識別するためのDLネットワークを用いた研究について述べる。
論文 参考訳(メタデータ) (2020-07-02T17:49:19Z) - DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。
本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-05-06T13:03:42Z)
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。