論文の概要: Eigenbehaviour as an Indicator of Cognitive Abilities
- arxiv url: http://arxiv.org/abs/2110.09525v1
- Date: Mon, 18 Oct 2021 12:59:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-21 05:19:48.138301
- Title: Eigenbehaviour as an Indicator of Cognitive Abilities
- Title（参考訳）: 認知能力の指標としての固有行動
- Authors: Angela Botros, Narayan Sch\"utz, Christina R\"ocke, Robert Weibel,
Mike Martin, Ren\'e M\"uri and Tobias Nef
- Abstract要約: 本研究では,非接触環境センサから得られる位置固有行動に基づく認知能力のための新しいデジタルバイオマーカーを提案する。
再構成誤差は、線形回帰を用いてベースラインで収集された認知能力スコアを予測するために用いられる。
予測性能は高い認知能力には強いが、低レベルの認知能力には弱い。
- 参考スコア（独自算出の注目度）: 1.2807356266718457
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With growing usage of machine learning algorithms and big data in health
applications, digital biomarkers have become an important key feature to ensure
the success of those applications. In this paper, we focus on one important
use-case, the long-term continuous monitoring of the cognitive ability of older
adults. The cognitive ability is a factor both for long-term monitoring of
people living alone as well as an outcome in clinical studies. In this work, we
propose a new digital biomarker for cognitive abilities based on location
eigenbehaviour obtained from contactless ambient sensors. Indoor location
information obtained from passive infrared sensors is used to build a location
matrix covering several weeks of measurement. Based on the eigenvectors of this
matrix, the reconstruction error is calculated for various numbers of used
eigenvectors. The reconstruction error is used to predict cognitive ability
scores collected at baseline, using linear regression. Additionally,
classification of normal versus pathological cognition level is performed using
a support-vector-machine. Prediction performance is strong for high levels of
cognitive ability, but grows weaker for low levels of cognitive ability.
Classification into normal versus pathological cognitive ability level reaches
high accuracy with a AUC = 0.94. Due to the unobtrusive method of measurement
based on contactless ambient sensors, this digital biomarker of cognitive
ability is easily obtainable. The usage of the reconstruction error is a strong
digital biomarker for the binary classification and, to a lesser extent, for
more detailed prediction of interindividual differences in cognition.
- Abstract（参考訳）: 機械学習アルゴリズムと医療アプリケーションにおけるビッグデータの利用の増加に伴い、デジタルバイオマーカーはこれらのアプリケーションの成功を確実にするための重要な機能となっている。
本稿では,高齢者の認知能力の長期連続モニタリングという,重要なユースケースの1つに注目する。
認知能力は、単独で生活する人々の長期モニタリングと臨床研究の結果の両方の要因である。
本研究では,非接触環境センサから得られる位置固有行動に基づく認知能力のための新しいデジタルバイオマーカーを提案する。
受動赤外線センサから得られる屋内位置情報を用いて、数週間の計測をカバーした位置行列を構築する。
この行列の固有ベクトルに基づいて、様々な使用固有ベクトルについて再構成誤差を算出する。
再構成誤差は、線形回帰を用いてベースラインで収集された認知能力スコアを予測するために用いられる。
さらに、支持ベクトル機械を用いて、正常と病的認知レベルの分類を行う。
予測性能は高いレベルの認知能力では強いが、低いレベルの認知能力では弱くなる。
正常と病理学的認知能力の分類は AUC = 0.94 で高い精度に達する。
無接触環境センサに基づく不明瞭な測定方法により、認知能力のデジタルバイオマーカーを容易に得ることができる。
再構成誤りの使用は、二項分類のための強力なデジタルバイオマーカーであり、より詳細な認識の個人間差の予測である。
関連論文リスト
- Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。
具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。
知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
論文 参考訳（メタデータ） (2024-07-31T04:32:43Z) - 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) - Palm Vein Recognition via Multi-task Loss Function and Attention Layer [3.265773263570237]
本稿では,VGG-16伝達学習の融合注意機構に基づく畳み込みニューラルネットワークを,赤外線ヤシ静脈データセットの特徴抽出ネットワークとして利用する。
モデルのロバスト性を検証するため、異なるソースからのデータセットに対していくつかの実験を行った。
同時に、マッチングは高効率であり、ヤシ静脈対あたり平均0.13秒かかる。
論文 参考訳（メタデータ） (2022-11-11T02:32:49Z) - A Novel Supervised Contrastive Regression Framework for Prediction of
Neurocognitive Measures Using Multi-Site Harmonized Diffusion MRI
Tractography [13.80649748804573]
Supervised Contrastive Regression (SCR)は、回帰タスクにおけるコントラスト学習の完全な監視を可能にする、シンプルで効果的な方法である。
SCRは、連続回帰ラベルの絶対差を用いて教師付きコントラスト表現学習を行う。
SCRは、他の最先端手法と比較して、神経認知的スコア予測の精度を向上する。
論文 参考訳（メタデータ） (2022-10-13T23:24:12Z) - Modeling cognitive load as a self-supervised brain rate with
electroencephalography and deep learning [2.741266294612776]
本研究では,脳波データからメンタルワークロードをモデリングするための,新たな自己教師型手法を提案する。
脳波データからスペクトル地形図を空間的に保存して脳速度変数に適合させることができる畳み込みリカレントニューラルネットワークである。
学習した認知活性化の準安定なブロックの存在は、それらは畳み込みによって誘導され、時間とともに互いに依存していないように見えるため、脳反応の非定常的性質と直感的に一致している。
論文 参考訳（メタデータ） (2022-09-21T07:44:21Z) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳（メタデータ） (2022-03-28T20:29:50Z) - Evaluation of Interpretability for Deep Learning algorithms in EEG
Emotion Recognition: A case study in Autism [4.752074022068791]
説明可能な人工知能(XAI)に関する現在のモデルでは、特徴関連性を測定するための信頼性の欠如が明らかで定量化されている。
この研究は、脳波に基づく顔の感情認識を成功させるために、より透明な特徴関連計算を統合する最初のものである。
論文 参考訳（メタデータ） (2021-11-25T18:28:29Z) - Deep Metric Learning with Locality Sensitive Angular Loss for
Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。
本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。
このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
論文 参考訳（メタデータ） (2021-10-13T21:51:56Z) - Preserving Privacy in Human-Motion Affect Recognition [4.753703852165805]
本研究は,3次元の時間的関節信号と手動抽出特徴を用いた感情認識における既存手法の有効性を評価する。
本稿では,マルチエンコーダ自動エンコーダ深層ニューラルネットワークを訓練し,人間の動作特徴の不連続な潜在表現を学習するクロスサブジェクトトランスファー学習手法を提案する。
論文 参考訳（メタデータ） (2021-05-09T15:26:21Z) - Emotional EEG Classification using Connectivity Features and
Convolutional Neural Networks [81.74442855155843]
CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。
対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
論文 参考訳（メタデータ） (2021-01-18T13:28:08Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z)
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。