論文の概要: A Review of and Roadmap for Data Science and Machine Learning for the
Neuropsychiatric Phenotype of Autism
- arxiv url: http://arxiv.org/abs/2303.03577v1
- Date: Tue, 7 Mar 2023 01:14:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 16:53:32.773266
- Title: A Review of and Roadmap for Data Science and Machine Learning for the
Neuropsychiatric Phenotype of Autism
- Title（参考訳）: 自閉症の神経心理学的表現型に関するデータサイエンスと機械学習のレビューとロードマップ
- Authors: Peter Washington, Dennis P. Wall
- Abstract要約: 自閉症スペクトラム障害(Autism Spectrum disorder)は、44人の子供の少なくとも1人に影響を及ぼす神経発達遅延である。
自閉症と関連する遅延の診断、治療、縦断的な追跡パイプラインには大きなボトルネックがある。
本稿では,神経行動分析とデジタル精神医学に関連する知見を紹介する。
- 参考スコア（独自算出の注目度）: 3.062772835338966
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autism Spectrum Disorder (autism) is a neurodevelopmental delay which affects
at least 1 in 44 children. Like many neurological disorder phenotypes, the
diagnostic features are observable, can be tracked over time, and can be
managed or even eliminated through proper therapy and treatments. Yet, there
are major bottlenecks in the diagnostic, therapeutic, and longitudinal tracking
pipelines for autism and related delays, creating an opportunity for novel data
science solutions to augment and transform existing workflows and provide
access to services for more affected families. Several prior efforts conducted
by a multitude of research labs have spawned great progress towards improved
digital diagnostics and digital therapies for children with autism. We review
the literature of digital health methods for autism behavior quantification
using data science. We describe both case-control studies and classification
systems for digital phenotyping. We then discuss digital diagnostics and
therapeutics which integrate machine learning models of autism-related
behaviors, including the factors which must be addressed for translational use.
Finally, we describe ongoing challenges and potent opportunities for the field
of autism data science. Given the heterogeneous nature of autism and the
complexities of the relevant behaviors, this review contains insights which are
relevant to neurological behavior analysis and digital psychiatry more broadly.
- Abstract（参考訳）: 自閉症スペクトラム障害(Autism Spectrum disorder)は、44人の子供の少なくとも1人に影響を及ぼす神経発達遅延である。
多くの神経疾患の表現型と同様に、診断的特徴は観察可能であり、経時的に追跡でき、適切な治療や治療によって管理または排除される。
しかし、自閉症と関連する遅延のための診断、治療、および経時的トラッキングパイプラインには大きなボトルネックがあり、新しいデータサイエンスソリューションが既存のワークフローを拡張および変換し、より影響を受ける家族へのサービスへのアクセスを提供する機会を生み出している。
多くの研究所が実施したいくつかの取り組みは、自閉症児のデジタル診断とデジタル治療の改善に向けた大きな進歩を生み出した。
データサイエンスを用いた自閉症行動定量化のためのデジタルヘルス手法の文献をレビューする。
本稿では,デジタル表現型化のためのケースコントロール研究と分類システムについて述べる。
次に、自閉症に関連する行動の機械学習モデルを統合するデジタル診断と治療について論じる。
最後に、自閉症データ科学分野における課題と強力な機会について述べる。
自閉症の異質な性質と関連する行動の複雑さを考えると、このレビューには神経学的行動分析やデジタル精神医学に関連する洞察が含まれている。
関連論文リスト
- Application of Artificial Intelligence in Supporting Healthcare Professionals and Caregivers in Treatment of Autistic Children [0.552480439325792]
本稿では、自閉症スペクトラム障害(ASD)管理における医療従事者と介護者の能力を高める人工知能の可能性について検討する。
自閉症児と非自閉症児の日常活動における顔および身体の表情を解析するための高度なアルゴリズムを開発した。
本研究は, ASDの診断, 治療, 包括的管理を改善するためのAIの変革的可能性を強調する。
論文 参考訳（メタデータ） (2024-07-12T00:34:40Z) - Hear Me, See Me, Understand Me: Audio-Visual Autism Behavior Recognition [47.550391816383794]
本稿では,音声・視覚自閉症の行動認識の新たな課題について紹介する。
社会的行動認識は、AIによる自閉症スクリーニング研究において、これまで省略されてきた重要な側面である。
データセット、コード、事前トレーニングされたモデルをリリースします。
論文 参考訳（メタデータ） (2024-03-22T22:52:35Z) - 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) - 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) - 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) - Action-based Early Autism Diagnosis Using Contrastive Feature Learning [2.922007656878633]
自閉症スペクトラム障害(Autism Spectrum disorder, ASD)は、神経疾患である。
その主な症状は、(言語および/または非言語)コミュニケーションの困難さ、硬直的/反復的な行動である。
本稿では,簡単なアクションビデオクリップを用いて,自閉症の診断を自動化するための学習的アプローチを提案する。
論文 参考訳（メタデータ） (2022-09-12T16:31:34Z) - 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) - 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) - 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) - Explainable and Scalable Machine-Learning Algorithms for Detection of
Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。
我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
論文 参考訳（メタデータ） (2020-03-02T18:20:44Z)
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。