Fugu-MT 論文翻訳(概要): Skeleton-based action analysis for ADHD diagnosis

論文の概要: Skeleton-based action analysis for ADHD diagnosis

arxiv url: http://arxiv.org/abs/2304.09751v1
Date: Fri, 14 Apr 2023 13:07:27 GMT
ステータス: 処理完了
システム内更新日: 2023-04-23 04:06:59.925739
Title: Skeleton-based action analysis for ADHD diagnosis
Title（参考訳）: ADHD診断のためのスケルトンに基づく行動解析
Authors: Yichun Li, Yi Li, Rajesh Nair, Syed Mohsen Naqvi
Abstract要約: 骨格に基づく行動認識フレームワークを用いた新しいADHD診断システムを提案する。従来の手法と比較して,提案手法はコスト効率と大幅な性能向上を示す。本手法はマススクリーニングに広く応用されている。
参考スコア（独自算出の注目度）: 10.393047508477173
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Attention Deficit Hyperactivity Disorder (ADHD) is a common neurobehavioral disorder worldwide. While extensive research has focused on machine learning methods for ADHD diagnosis, most research relies on high-cost equipment, e.g., MRI machine and EEG patch. Therefore, low-cost diagnostic methods based on the action characteristics of ADHD are desired. Skeleton-based action recognition has gained attention due to the action-focused nature and robustness. In this work, we propose a novel ADHD diagnosis system with a skeleton-based action recognition framework, utilizing a real multi-modal ADHD dataset and state-of-the-art detection algorithms. Compared to conventional methods, the proposed method shows cost-efficiency and significant performance improvement, making it more accessible for a broad range of initial ADHD diagnoses. Through the experiment results, the proposed method outperforms the conventional methods in accuracy and AUC. Meanwhile, our method is widely applicable for mass screening.
Abstract（参考訳）: 注意欠陥高活動障害(ADHD)は、世界中の一般的な神経行動障害である。大規模な研究はADHD診断のための機械学習手法に焦点を当てているが、ほとんどの研究はMRIや脳波パッチなどの高価な機器に依存している。したがって,ADHDの動作特性に基づいた低コスト診断法が望まれる。骨格に基づく行動認識は、行動に焦点を当てた性質と堅牢性から注目されている。本研究では,実際のマルチモーダルadhdデータセットと最先端検出アルゴリズムを用いた,スケルトンベースの行動認識フレームワークを用いた新しいadhd診断システムを提案する。従来の方法と比較すると,本手法はコスト効率と大幅な性能向上を示し,adhd診断の早期診断に有用であった。実験の結果,提案手法は従来の精度とAUCよりも優れていた。一方,本手法はマススクリーニングに広く応用されている。

関連論文リスト

MINDSETS: Multi-omics Integration with Neuroimaging for Dementia Subtyping and Effective Temporal Study [0.7751705157998379]
アルツハイマー病(AD)と血管性認知症(VaD)は最も多い認知症である。本稿では、ADとVaDを正確に区別する革新的なマルチオミクス手法を提案し、89.25%の精度で診断を行う。
論文参考訳（メタデータ） (2024-11-06T10:13:28Z)
Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文参考訳（メタデータ） (2024-09-22T02:06:05Z)
ADHD diagnosis based on action characteristics recorded in videos using machine learning [0.472457683445805]
生ビデオ記録の同定と解析によるADHD診断のための新しい行動認識手法を提案する。本研究の主な貢献は,(1)参加者の注意・過活動・刺激性に着目したテストの設計と実施,2)行動認識ニューラルネットワークに基づく新しい機械学習ADHD診断システムの実装,3)診断結果とADHD行動特性の分析を行うための分類基準の提案である。
論文参考訳（メタデータ） (2024-09-03T20:16:56Z)
Action-Based ADHD Diagnosis in Video [2.793781561647737]
ビデオベースのフレームレベルの行動認識ネットワークをADHD診断に初めて導入する。また、実際の多モードADHDデータセットを記録し、ADHD診断のためのビデオモダリティから3つのアクションクラスを抽出する。
論文参考訳（メタデータ） (2024-09-03T19:38:23Z)
Refining ADHD diagnosis with EEG: The impact of preprocessing and temporal segmentation on classification accuracy [41.94295877935867]
本研究は,脳波によるADHD診断の信頼性向上における前処理とセグメンテーションの重要性を強調した。後の脳波セグメントで訓練されたモデルは、ADHDを識別する際の認知疲労の潜在的な役割を示唆し、かなり高い精度を実現した。
論文参考訳（メタデータ） (2024-07-11T09:07:22Z)
Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文参考訳（メタデータ） (2024-02-16T05:16:20Z)
UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文参考訳（メタデータ） (2023-09-13T09:22:49Z)
Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文参考訳（メタデータ） (2023-03-14T16:03:28Z)
Multimodal Attention-based Deep Learning for Alzheimer's Disease Diagnosis [9.135911493822261]
アルツハイマー病(英語: Alzheimer's Disease、AD)は、最も複雑な病原体を持つ神経変性疾患である。われわれは,ADの有無を正確に検出するためのマルチモーダルアルツハイマー病診断フレームワーク(MADDi)を提案する。
論文参考訳（メタデータ） (2022-06-17T15:10:00Z)
SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
論文参考訳（メタデータ） (2022-03-22T06:54:29Z)
SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文参考訳（メタデータ） (2021-10-28T12:59:06Z)

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。