論文の概要: Detecting Fetal Alcohol Spectrum Disorder in children using Artificial
Neural Network
- arxiv url: http://arxiv.org/abs/2105.15074v1
- Date: Mon, 31 May 2021 16:02:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-01 20:21:38.735147
- Title: Detecting Fetal Alcohol Spectrum Disorder in children using Artificial
Neural Network
- Title（参考訳）: ニューラルネットワークを用いた小児の胎児アルコールスペクトラム障害の検出
- Authors: Vannessa de J. Duarte, Paul Leger, Sergio Contreras and Hiroaki Fukuda
- Abstract要約: 胎児アルコールスペクトラム障害(英: Fetal alcohol spectrum disorder, FASD)は、妊娠中の母親のアルコール摂取量と他の子供の状態との違いのみが異なる症候群である。
本研究は,小児のFASD分類における人工知能ニューラルネットワーク(ANN)の有用性を評価することに焦点を当てた。
- 参考スコア（独自算出の注目度）: 3.9954080397757954
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fetal alcohol spectrum disorder (FASD) is a syndrome whose only difference
compared to other children's conditions is the mother's alcohol consumption
during pregnancy. An earlier diagnosis of FASD improving the quality of life of
children and adolescents. For this reason, this study focus on evaluating the
use of the artificial neural network (ANN) to classify children with FASD and
explore how accurate it is. ANN has been used to diagnose cancer, diabetes, and
other diseases in the medical area, being a tool that presents good results.
The data used is from a battery of tests from children for 5-18 years old
(include tests of psychometric, saccade eye movement, and diffusion tensor
imaging (DTI)). We study the different configurations of ANN with dense layers.
The first one predicts 75\% of the outcome correctly for psychometric data. The
others models include a feature layer, and we used it to predict FASD using
every test individually. The models accurately predict over 70\% of the cases,
and psychometric and memory guides predict over 88\% accuracy. The results
suggest that the ANN approach is a competitive and efficient methodology to
detect FASD. However, we could be careful in used as a diagnostic technique.
- Abstract（参考訳）: 胎児アルコールスペクトラム障害(英: Fetal alcohol spectrum disorder, FASD)は、妊娠中の母親のアルコール摂取量と他の子供の状態との違いのみが異なる症候群である。
fasdの早期診断は、子供と青年の生活の質を改善した。
そこで本研究では,小児のFASDを分類し,その正確性を検討するために,ニューラルネットワーク(ANN)を用いたことに焦点を当てた。
ANNは、がん、糖尿病、その他の医学領域の疾患の診断に使われており、良い結果をもたらすツールである。
使用されるデータは、5歳から18歳の子供(心理測定、ササード眼球運動、拡散テンソルイメージング(DTI)の検査を含む)のバッテリーから得られる。
層状層を有するANNの異なる構成について検討する。
まず、心理測定データに対して結果の75%を正しく予測する。
他のモデルには機能レイヤが含まれており、各テストで個別にfasdを予測するために使用しました。
モデルは70 %以上を正確に予測し、サイコメトリックとメモリガイドは88 %以上を精度で予測する。
その結果,ANNアプローチはFASDを検出するための競合的かつ効率的な手法であることが示唆された。
しかし、診断技術としての使用には注意が必要だ。
関連論文リスト
- Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳（メタデータ） (2024-09-29T07:04:26Z) - 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) - Screening Autism Spectrum Disorder in childrens using Deep Learning
Approach : Evaluating the classification model of YOLOv8 by comparing with
other models [0.0]
そこで本稿では,YoloV8モデルを用いた顔画像を用いたASDスクリーニングの実践的解決策を提案する。
分類の精度は89.64%、F1スコアは0.89。
論文 参考訳（メタデータ） (2023-06-25T18:02:01Z) - Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia
Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。
バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。
最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
論文 参考訳（メタデータ） (2021-12-23T14:51:45Z) - 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) - Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。
686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文 参考訳（メタデータ） (2021-06-06T07:11:25Z) - Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel
EEG Signal [63.18666008322476]
睡眠障害は、世界中の主要な病気の1つです。
専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。
専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
論文 参考訳（メタデータ） (2021-03-30T09:59:56Z) - Detecting Autism Spectrum Disorder using Machine Learning [3.2861753207533937]
逐次最小最適化(SMO)ベースのサポートベクトルマシン(SVM)分類器は、他のすべてのベンチマーク機械学習アルゴリズムより優れている。
Relief Attributesアルゴリズムは、ASDデータセットで最も重要な属性を特定するのに最適である。
論文 参考訳（メタデータ） (2020-09-30T08:33:12Z) - Early Autism Spectrum Disorders Diagnosis Using Eye-Tracking Technology [62.997667081978825]
資金不足、資格のある専門家の欠如、そして修正方法に対する信頼度の低いことが、AMDのリアルタイム診断に影響を及ぼす主要な問題である。
我々のチームは、子どもの視線活動の情報に基づいて、ALDの確率を予測するアルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-08-21T20:22:55Z) - Diagnosis of Autism in Children using Facial Analysis and Deep Learning [0.0]
本研究では,ディープラーニングを用いた94.6%の精度で,子どもを健康的あるいは自閉症に分類するディープラーニングモデルを提案する。
自閉症患者は、社会的スキル、反復行動、コミュニケーションに苦しむ。
そこで本研究では,画像のみを用いて自閉症の診断を効果的に行うことを提案する。
論文 参考訳（メタデータ） (2020-08-06T22:15:20Z)
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。