Fugu-MT 論文翻訳(概要): A Federated Learning Scheme for Neuro-developmental Disorders: Multi-Aspect ASD Detection

論文の概要: A Federated Learning Scheme for Neuro-developmental Disorders: Multi-Aspect ASD Detection

arxiv url: http://arxiv.org/abs/2211.00643v1
Date: Mon, 31 Oct 2022 13:56:36 GMT
ステータス: 処理完了
システム内更新日: 2022-11-03 14:49:58.691516
Title: A Federated Learning Scheme for Neuro-developmental Disorders: Multi-Aspect ASD Detection
Title（参考訳）: 神経発達障害に対するフェデレーション学習方式:多視点ASD検出
Authors: Hala Shamseddine, Safa Otoum, Azzam Mourad
Abstract要約: 自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、出生前の胚脳の変化に起因する神経発達障害である。本研究では,個人の行動や顔の特徴に基づいて,ある個人におけるASDを予測するための,プライバシ保護型フェデレーション学習手法を提案する。
参考スコア（独自算出の注目度）: 2.7221938979891385
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Autism Spectrum Disorder (ASD) is a neuro-developmental syndrome resulting from alterations in the embryological brain before birth. This disorder distinguishes its patients by special socially restricted and repetitive behavior in addition to specific behavioral traits. Hence, this would possibly deteriorate their social behavior among other individuals, as well as their overall interaction within their community. Moreover, medical research has proved that ASD also affects the facial characteristics of its patients, making the syndrome recognizable from distinctive signs within an individual's face. Given that as a motivation behind our work, we propose a novel privacy-preserving federated learning scheme to predict ASD in a certain individual based on their behavioral and facial features, embedding a merging process of both data features through facial feature extraction while respecting patient data privacy. After training behavioral and facial image data on federated machine learning models, promising results are achieved, with 70\% accuracy for the prediction of ASD according to behavioral traits in a federated learning environment, and a 62\% accuracy is reached for the prediction of ASD given an image of the patient's face. Then, we test the behavior of regular as well as federated ML on our merged data, behavioral and facial, where a 65\% accuracy is achieved with the regular logistic regression model and 63\% accuracy with the federated learning model.
Abstract（参考訳）: 自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、出生前の胚脳の変化に起因する神経発達障害である。この障害は、特定の行動特性に加えて、特別な社会的に制限された反復行動によって患者を区別する。したがって、これは、他の個人間の社会的行動や、コミュニティ内の全体的な相互作用を悪化させる可能性がある。さらに、医学的な研究により、ALDは患者の顔の特徴にも影響し、個々の顔内の特異な兆候から認識できることが示された。本研究の動機として,我々は,特定の個人におけるasdの行動と顔特徴に基づいて,患者データのプライバシーを尊重しながら,顔特徴抽出による両者の融合処理を組み込んだ,プライバシ保存型フェデレーション学習方式を提案する。フェデレートされた機械学習モデル上での行動・顔画像データのトレーニング後、フェデレーションされた学習環境における行動特性に応じて、ASDの予測に70倍の精度で有望な結果を達成し、患者の顔の画像からASDの予測に62倍の精度で到達する。そこで,通常のロジスティック回帰モデルでは65倍,フェデレート学習モデルでは63倍の精度で65%の精度が得られる。

関連論文リスト

Hugging Rain Man: A Novel Facial Action Units Dataset for Analyzing Atypical Facial Expressions in Children with Autism Spectrum Disorder [2.3001245059699014]
我々は,ASDと典型的発達(TD)の双方に対して,FACSの専門家が手動でアノテートした顔アクションユニット(AU)を含む,新しいデータセットHugging Rain Manを紹介する。データセットには、ポーズと自発的な表情の豊富なコレクションが含まれており、合計で約130,000フレーム、22のAU、10のAction Descriptors(AD)、非定型評価が含まれている。
論文参考訳（メタデータ） (2024-11-21T02:51:52Z)
Ensemble Modeling of Multiple Physical Indicators to Dynamically Phenotype Autism Spectrum Disorder [3.6630139570443996]
自閉症スペクトラム障害(ASD)に関連する表現型マーカーを検出するためのコンピュータビジョンモデルをトレーニングするためのデータセットを提供する。視線,頭位,顔のランドマークを入力として,LSTMを用いた個別モデルを訓練し,テストAUCは86%,67%,78%であった。
論文参考訳（メタデータ） (2024-08-23T17:55:58Z)
Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、サービスに応用される。生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
論文参考訳（メタデータ） (2024-04-05T20:39:16Z)
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)
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)
Deep learning reveals the common spectrum underlying multiple brain disorders in youth and elders from brain functional networks [53.257804915263165]
ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
論文参考訳（メタデータ） (2023-02-23T09:22:05Z)
Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文参考訳（メタデータ） (2022-11-12T23:28:54Z)
CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文参考訳（メタデータ） (2022-08-10T15:46:05Z)
The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文参考訳（メタデータ） (2022-03-03T17:19:12Z)
fMRI Neurofeedback Learning Patterns are Predictive of Personal and Clinical Traits [62.997667081978825]
機能的MRI(fMRI)による自律神経運動課題における学習経過の個人的シグネチャを得る。署名は、第1セッションで同様のfMRI由来の脳の状態が与えられた後、第2セッションで扁桃体の活動を予測することに基づいている。
論文参考訳（メタデータ） (2021-12-21T06:52:48Z)
Proposing a System Level Machine Learning Hybrid Architecture and Approach for a Comprehensive Autism Spectrum Disorder Diagnosis [1.2691047660244335]
自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、知的発達、社会的行動、顔の特徴に影響を及ぼす重度の神経精神疾患である。 ASDの診断精度を向上させるために,社会行動と顔の特徴データの両方をフル活用したハイブリッドアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-09-18T04:33:09Z)

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。