論文の概要: Deep Learning-based Eye-Tracking Analysis for Diagnosis of Alzheimer's
Disease Using 3D Comprehensive Visual Stimuli
- arxiv url: http://arxiv.org/abs/2303.06868v1
- Date: Mon, 13 Mar 2023 05:33:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 16:24:22.095144
- Title: Deep Learning-based Eye-Tracking Analysis for Diagnosis of Alzheimer's
Disease Using 3D Comprehensive Visual Stimuli
- Title(参考訳): 3次元包括的視覚刺激を用いたアルツハイマー病診断のためのディープラーニングに基づく眼球追跡分析
- Authors: Fangyu Zuo, Peiguang Jing, Jinglin Sun, Jizhong, Duan, Yong Ji, Yu Liu
- Abstract要約: アルツハイマー病(AD)は記憶、思考、判断の連続的な低下を引き起こす。
本稿では,視線追跡行動に基づくADの診断に深層学習技術を活用することに焦点を当てる。
視覚的注意は、典型的な視線追跡行動として、AD患者の認知異常を検出するために非常に臨床的に有用である。
我々は,AD患者と正常者の視覚的注意差を識別するために,多層比較畳み込みニューラルネットワーク(MC-CNN)を提案する。
- 参考スコア(独自算出の注目度): 8.987083026829517
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Alzheimer's Disease (AD) causes a continuous decline in memory, thinking, and
judgment. Traditional diagnoses are usually based on clinical experience, which
is limited by some realistic factors. In this paper, we focus on exploiting
deep learning techniques to diagnose AD based on eye-tracking behaviors. Visual
attention, as typical eye-tracking behavior, is of great clinical value to
detect cognitive abnormalities in AD patients. To better analyze the
differences in visual attention between AD patients and normals, we first
conduct a 3D comprehensive visual task on a non-invasive eye-tracking system to
collect visual attention heatmaps. We then propose a multi-layered comparison
convolution neural network (MC-CNN) to distinguish the visual attention
differences between AD patients and normals. In MC-CNN, the multi-layered
representations of heatmaps are obtained by hierarchical convolution to better
encode eye-movement behaviors, which are further integrated into a distance
vector to benefit the comprehensive visual task. Extensive experimental results
on the collected dataset demonstrate that MC-CNN achieves consistent validity
in classifying AD patients and normals with eye-tracking data.
- Abstract(参考訳): アルツハイマー病(AD)は記憶、思考、判断の連続的な低下を引き起こす。
従来の診断は通常臨床経験に基づいており、現実的な要因によって制限される。
本稿では,視線追跡行動に基づくADの診断に深層学習技術を活用することに焦点を当てる。
視覚的注意は、典型的な視線追跡行動として、AD患者の認知異常を検出するために非常に臨床的に有用である。
AD患者と正常者の視覚的注意の差異をよりよく解析するため,非侵襲的な視線追跡システムを用いて視覚的注意熱マップの収集を行う。
次に,AD患者と正常者の視覚的注意差を識別するために,多層比較畳み込みニューラルネットワーク(MC-CNN)を提案する。
MC-CNNでは、階層的畳み込みにより、より優れた眼球運動挙動を符号化し、さらに距離ベクトルに統合して、包括的視覚的タスクに役立てることで、熱マップの多層表現が得られる。
その結果, MC-CNNは視線追跡データを用いてAD患者と正常者の分類において一貫した妥当性が得られた。
関連論文リスト
- Involution Fused ConvNet for Classifying Eye-Tracking Patterns of
Children with Autism Spectrum Disorder [1.225920962851304]
自閉症スペクトラム障害(ASD)は、診断が難しい複雑な神経疾患である。多くの研究では、ASDと診断された子供が注意範囲を維持し、焦点を絞った視力の低下に苦しむことが示されている。
視線追跡技術は、視線異常が自閉症の診断的特徴として認識されて以来、ASDの文脈で特に注目を集めてきた。
論文 参考訳(メタデータ) (2024-01-07T20:08:17Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳(メタデータ) (2023-11-10T11:49:49Z) - Exploiting the Brain's Network Structure for Automatic Identification of
ADHD Subjects [70.37277191524755]
我々は脳を機能的ネットワークとしてモデル化できることを示し,ADHD被験者と制御対象とではネットワークの特定の特性が異なることを示した。
776名の被験者で分類器を訓練し,ADHD-200チャレンジのために神経局が提供する171名の被験者を対象に試験を行った。
論文 参考訳(メタデータ) (2023-06-15T16:22:57Z) - Eye tracking guided deep multiple instance learning with dual
cross-attention for fundus disease detection [10.801928878540158]
眼科医の視線追跡情報を利用したHuman-in-the-loop (HITL) CADシステムを提案する。
The HITL CAD system was implemented on the multiple instance learning (MIL)。
厳密な実験により, HITL CAD システムの実現可能性と提案した DCAMIL の優位性を実証した。
論文 参考訳(メタデータ) (2023-04-25T11:06:43Z) - Detection of ADHD based on Eye Movements during Natural Viewing [3.1890959219836574]
ADHDは神経発達障害であり、臨床専門医が診断する必要がある。
我々は、関連するタスクに対して事前学習を行う、エンドツーエンドのディープラーニングベースのシーケンスモデルを開発する。
この手法は実際にADHDを検出し、関連するベースラインを上回ります。
論文 参考訳(メタデータ) (2022-07-04T12:56:04Z) - A Deep Learning Approach for the Segmentation of Electroencephalography
Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。
エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。
我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文 参考訳(メタデータ) (2022-06-17T10:17:24Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳(メタデータ) (2022-04-26T14:20:26Z) - MEDUSA: Multi-scale Encoder-Decoder Self-Attention Deep Neural Network
Architecture for Medical Image Analysis [71.2022403915147]
医用画像解析に適したマルチスケールエンコーダデコーダ自己保持機構であるMEDUSAを紹介する。
我々は、COVIDx、RSNA RICORD、RSNA Pneumonia Challengeなどの医療画像分析ベンチマークの最先端性能を得た。
論文 参考訳(メタデータ) (2021-10-12T15:05:15Z) - Classifying Eye-Tracking Data Using Saliency Maps [8.524684315458245]
本稿では,視線追跡データの自動的,定量的分類のための視覚情報に基づく特徴抽出手法を提案する。
サリエンシの振幅、類似度、相違点を対応するアイフィクスマップと比較すると、視覚追跡データを識別するために識別的特徴を生成するために有効に活用される情報の余分な次元が得られる。
論文 参考訳(メタデータ) (2020-10-24T15:18:07Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳(メタデータ) (2020-04-03T14:07:41Z)
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。