論文の概要: ChildCI Framework: Analysis of Motor and Cognitive Development in
Children-Computer Interaction for Age Detection
- arxiv url: http://arxiv.org/abs/2204.04236v1
- Date: Fri, 8 Apr 2022 18:03:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 17:44:00.045389
- Title: ChildCI Framework: Analysis of Motor and Cognitive Development in
Children-Computer Interaction for Age Detection
- Title（参考訳）: ChildCIフレームワーク:年齢検出のためのコンピュータインタラクションによる子どもの運動・認知発達の分析
- Authors: Juan Carlos Ruiz-Garcia, Ruben Tolosana, Ruben Vera-Rodriguez, Jaime
Herreros-Rodriguez
- Abstract要約: 本稿では、最近のChildCIフレームワークで提案されている異なるテストの包括的な分析について述べる。
本稿では,子どもがモバイルデバイスと対話する際の運動・認知的側面に関連する,100以上のグローバルな特徴について述べる。
93%以上の精度は、公開されているChildCIdb_v1データベースを使って達成される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This article presents a comprehensive analysis of the different tests
proposed in the recent ChildCI framework, proving its potential for generating
a better understanding of children's neuromotor and cognitive development along
time, as well as their possible application in other research areas such as
e-Health and e-Learning. In particular, we propose a set of over 100 global
features related to motor and cognitive aspects of the children interaction
with mobile devices, some of them collected and adapted from the literature.
Furthermore, we analyse the robustness and discriminative power of the proposed
feature set including experimental results for the task of children age group
detection based on their motor and cognitive behaviors. Two different scenarios
are considered in this study: i) single-test scenario, and ii) multiple-test
scenario. Results over 93% accuracy are achieved using the publicly available
ChildCIdb_v1 database (over 400 children from 18 months to 8 years old),
proving the high correlation of children's age with the way they interact with
mobile devices.
- Abstract（参考訳）: 本稿では,最近のkidciフレームワークで提案されている異なるテストの包括的分析を行い,子どもの神経運動と認知発達をよりよく理解する可能性と,e-healthやe-learningといった他の研究分野への応用について述べる。
特に,子どもたちとモバイルデバイスとのインタラクションの運動・認知的側面に関連する100以上のグローバル特徴のセットを提案し,その一部は文献から収集・適応された。
さらに, 運動と認知行動に基づいて, 児童年齢群検出の課題に対する実験結果を含む, 特徴集合の頑健性と識別力について分析した。
本研究では2つの異なるシナリオを考察する。
一 単体テストのシナリオ及び
ii) 複数テストシナリオ。
93%以上の精度が、公開可能なkidcidb_v1データベース(18ヶ月から8歳までの400人以上の子ども)を用いて達成され、子どもの年齢とモバイルデバイスとのインタラクション方法との相関が証明された。
関連論文リスト
- ToddlerAct: A Toddler Action Recognition Dataset for Gross Motor Development Assessment [26.16139407666899]
ToddlerActは幼児の運動行動認識データセットである。
本稿では,データ収集プロセス,アノテーション方法論,データセットの特徴について述べる。
本研究は,幼児期における運動機能発達の正確性を評価するための領域特異的データセットの重要性を明らかにするものである。
論文 参考訳（メタデータ） (2024-08-31T04:31:46Z) - Neural Lineage [56.34149480207817]
本稿では,親子間の系統関係の発見を目的としたニューラルライン検出という新しいタスクを提案する。
実用上,ニューラルネットワーク表現類似度指標に微調整プロセスの近似を組み込んだ学習自由アプローチを導入する。
精度を追求するために,エンコーダと変圧器検出器からなる学習系系統検出装置を導入する。
論文 参考訳（メタデータ） (2024-06-17T01:11:53Z) - Path Signature Representation of Patient-Clinician Interactions as a
Predictor for Neuropsychological Tests Outcomes in Children: A Proof of
Concept [40.737684553736166]
この研究は39のビデオ記録のデータセットを利用して、臨床医が認知評価テストを実施する広範囲なセッションを捉えた。
サンプルサイズと不均一な記録スタイルが限定されているにもかかわらず、解析は記録データの特徴としてパスシグネチャを抽出することに成功している。
以上の結果から,これらの特徴は,全セッション長の認知テストのスコアを予測できる有望な可能性を示唆した。
論文 参考訳（メタデータ） (2023-12-12T12:14:08Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳（メタデータ） (2023-05-25T16:29:16Z) - 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) - Vision-Based Activity Recognition in Children with Autism-Related
Behaviors [15.915410623440874]
臨床医や親が子どもの行動を分析するのに役立つ地域型コンピュータビジョンシステムの効果を実証する。
データは、ビデオ中の対象の子供を検出し、背景雑音の影響を低減することで前処理される。
時間的畳み込みモデルの有効性から,ビデオフレームから動作特徴を抽出できる軽量モデルと従来モデルの両方を提案する。
論文 参考訳（メタデータ） (2022-08-08T15:12:27Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - Machine-learning-based investigation on classifying binary and
multiclass behavior outcomes of children with PIMD/SMID [0.0]
本研究は, 位置情報と気象データと特徴選択法トレーニング(ボロータ)を組み合わせることにより, 2進分類と多進分類を区別した行動のより正確な分類が可能になるかを検討した。
PIMD/SMIDまたは重度・重度知的障害児とその介護者20～10歳児を対象に,複数の単目的対面セッションとビデオ録画セッションを行った。
論文 参考訳（メタデータ） (2021-05-13T01:22:42Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z) - Child-Computer Interaction: Recent Works, New Dataset, and Age Detection [6.061943386819384]
ChildCIは、モバイルデバイスと対話しながら、子どもの認知と神経運動の発達をよりよく理解することを目的としている。
私たちのフレームワークでは、子どもたちはペンスタイラスと指を使ってタブレットデバイスと対話し、異なるレベルの神経運動能力と認知能力を必要とするタスクを実行します。
ChildCIdbは18ヶ月から8歳までの400人以上の子供で構成されており、それゆえ、ピアジェ理論の最初の3つの発達段階を考慮している。
論文 参考訳（メタデータ） (2021-02-02T09:51:58Z) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳（メタデータ） (2020-03-23T14:55:00Z)
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。