論文の概要: Remote Inference of Cognitive Scores in ALS Patients Using a Picture
Description
- arxiv url: http://arxiv.org/abs/2309.06989v1
- Date: Wed, 13 Sep 2023 14:30:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-14 14:02:47.998004
- Title: Remote Inference of Cognitive Scores in ALS Patients Using a Picture
Description
- Title（参考訳）: 画像記述を用いたALS患者の認知スコアのリモート推定
- Authors: Carla Agurto, Guillermo Cecchi, Bo Wen, Ernest Fraenkel, James Berry,
Indu Navar, Raquel Norel
- Abstract要約: 我々はEdinburgh Cognitive and Behavioral ALS Screen testのデジタル版を初めて実装した。
認知障害を測定するために設計されたこのテストは、EverythALS Speech Studyの56人の参加者が遠隔で実施した。
本研究は,ECAS検査施行日から60日以内に行われた記述を分析し,異なる言語的特徴と音響的特徴を抽出した。
- 参考スコア（独自算出の注目度）: 3.441452604187627
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Amyotrophic lateral sclerosis is a fatal disease that not only affects
movement, speech, and breath but also cognition. Recent studies have focused on
the use of language analysis techniques to detect ALS and infer scales for
monitoring functional progression. In this paper, we focused on another
important aspect, cognitive impairment, which affects 35-50% of the ALS
population. In an effort to reach the ALS population, which frequently exhibits
mobility limitations, we implemented the digital version of the Edinburgh
Cognitive and Behavioral ALS Screen (ECAS) test for the first time. This test
which is designed to measure cognitive impairment was remotely performed by 56
participants from the EverythingALS Speech Study. As part of the study,
participants (ALS and non-ALS) were asked to describe weekly one picture from a
pool of many pictures with complex scenes displayed on their computer at home.
We analyze the descriptions performed within +/- 60 days from the day the ECAS
test was administered and extract different types of linguistic and acoustic
features. We input those features into linear regression models to infer 5 ECAS
sub-scores and the total score. Speech samples from the picture description are
reliable enough to predict the ECAS subs-scores, achieving statistically
significant Spearman correlation values between 0.32 and 0.51 for the model's
performance using 10-fold cross-validation.
- Abstract（参考訳）: 筋萎縮性側索硬化症(amyotrophic lateral sclerosis)は、運動、言語、呼吸だけでなく認知にも影響を及ぼす致命的な疾患である。
近年の研究では,ALS検出のための言語解析技術と,機能的進行の監視のための推論尺度が注目されている。
本稿では,ALS人口の35～50%に影響を及ぼす認知障害という,別の重要な側面に注目した。
モビリティの制限が頻発するALS人口に到達するために,我々はEdinburgh Cognitive and Behavioral ALS Screen (ECAS) のデジタル版を初めて実装した。
認知障害を測定するために設計されたこのテストは、EverythALS Speech Studyの56人の参加者が遠隔で実施した。
研究の一環として、参加者(alsと非als)は、自宅のコンピューターに複雑なシーンが表示された多数の画像のプールから毎週1枚の写真を記述するよう求められた。
本研究は,ECAS検査施行日から60日以内に行われた記述を分析し,異なる言語的特徴と音響的特徴を抽出した。
それらの特徴を線形回帰モデルに入力し、5つのECASサブスコアと合計スコアを推定する。
画像記述からの音声サンプルはECASサブスコアを予測するのに十分信頼性が高く、10倍のクロスバリデーションを用いてモデルの性能に対して統計的に有意なスピアマン相関値を0.32から0.51とする。
関連論文リスト
- Slicing Through Bias: Explaining Performance Gaps in Medical Image Analysis using Slice Discovery Methods [5.274804664403783]
我々はSlice Discovery Methodsを用いて、観測された性能格差の原因に関する仮説とデータの解釈可能な未実行部分集合を同定する。
本研究は, 仮説定式化におけるSDMの有効性を実証し, 既往の男女間パフォーマンスの相違について解説する。
論文 参考訳（メタデータ） (2024-06-17T23:08:46Z) - Making Self-supervised Learning Robust to Spurious Correlation via
Learning-speed Aware Sampling [26.444935219428036]
自己教師付き学習(SSL)は、ラベルのないデータからリッチな表現を学ぶための強力なテクニックとして登場した。
現実の環境では、いくつかの属性(例えば、人種、性別、年齢)と下流タスクのラベルの間に急激な相関関係がしばしば存在する。
学習速度に逆相関する確率でトレーニングデータをサンプリングする学習速度対応SSL(LA-SSL)アプローチを提案する。
論文 参考訳（メタデータ） (2023-11-27T22:52:45Z) - Automatically measuring speech fluency in people with aphasia: first
achievements using read-speech data [55.84746218227712]
本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
論文 参考訳（メタデータ） (2023-08-09T07:51:40Z) - Acoustic-Linguistic Features for Modeling Neurological Task Score in
Alzheimer's [1.290382979353427]
自然言語処理と機械学習はアルツハイマー病を確実に検出するための有望な技術を提供する。
我々は,10種類の線形回帰モデルの性能を比較し,比較した。
与えられたタスクに対して,手作りの言語的特徴は音響的特徴や学習的特徴よりも重要であることがわかった。
論文 参考訳（メタデータ） (2022-09-13T15:35:31Z) - Self-supervised contrastive learning of echocardiogram videos enables
label-efficient cardiac disease diagnosis [48.64462717254158]
心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。
左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。
EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
論文 参考訳（メタデータ） (2022-07-23T19:17:26Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - Sounds of COVID-19: exploring realistic performance of audio-based
digital testing [17.59710651224251]
本稿では、COVID-19の音声によるデジタル検査の現実的な性能について検討する。
われわれは、大規模なクラウドソースによる呼吸器オーディオデータセットをモバイルアプリを通じて収集した。
非バイアスモデルでは、呼吸、うずみ、音声信号から抽出した特徴を予測器として取り出し、AUC-ROCは0.71(95% CI: 0.65$-$0.77)となる。
論文 参考訳（メタデータ） (2021-06-29T15:50:36Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - Classification of ALS patients based on acoustic analysis of sustained
vowel phonations [0.7106986689736825]
Amyotrophic lateral sclerosis (ALS)は急速に進行する経過を用いる不治の神経学的障害です。
ALSの初期の症状は、摂食と発話が困難である。
本研究では,健常者とALS患者を分離する自動システムに対する音声評価手法を提案する。
論文 参考訳（メタデータ） (2020-12-14T08:56:53Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - 1-D Convlutional Neural Networks for the Analysis of Pupil Size
Variations in Scotopic Conditions [79.71065005161566]
1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。
モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
論文 参考訳（メタデータ） (2020-02-06T17:25:37Z)
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。