論文の概要: Classification of Dysarthria based on the Levels of Severity. A
Systematic Review
- arxiv url: http://arxiv.org/abs/2310.07264v1
- Date: Wed, 11 Oct 2023 07:40:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 23:56:23.810105
- Title: Classification of Dysarthria based on the Levels of Severity. A
Systematic Review
- Title（参考訳）: 重症度に基づくDysarthriaの分類
体系的レビュー
- Authors: Afnan Al-Ali, Somaya Al-Maadeed, Moutaz Saleh, Rani Chinnappa Naidu,
Zachariah C Alex, Prakash Ramachandran, Rajeev Khoodeeram, Rajesh Kumar M
- Abstract要約: 本研究は,重症度に基づく変形性関節症分類手法の体系的検討を目的としている。
変形性関節症の重症度自動分類に関する文献を体系的にレビューする。
- 参考スコア（独自算出の注目度）: 1.7624130429860712
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dysarthria is a neurological speech disorder that can significantly impact
affected individuals' communication abilities and overall quality of life. The
accurate and objective classification of dysarthria and the determination of
its severity are crucial for effective therapeutic intervention. While
traditional assessments by speech-language pathologists (SLPs) are common, they
are often subjective, time-consuming, and can vary between practitioners.
Emerging machine learning-based models have shown the potential to provide a
more objective dysarthria assessment, enhancing diagnostic accuracy and
reliability. This systematic review aims to comprehensively analyze current
methodologies for classifying dysarthria based on severity levels.
Specifically, this review will focus on determining the most effective set and
type of features that can be used for automatic patient classification and
evaluating the best AI techniques for this purpose. We will systematically
review the literature on the automatic classification of dysarthria severity
levels. Sources of information will include electronic databases and grey
literature. Selection criteria will be established based on relevance to the
research questions. Data extraction will include methodologies used, the type
of features extracted for classification, and AI techniques employed. The
findings of this systematic review will contribute to the current understanding
of dysarthria classification, inform future research, and support the
development of improved diagnostic tools. The implications of these findings
could be significant in advancing patient care and improving therapeutic
outcomes for individuals affected by dysarthria.
- Abstract（参考訳）: dysarthriaは、個人のコミュニケーション能力と生活の全体的な品質に大きな影響を及ぼす神経学的言語障害である。
ジステリアの正確かつ客観的な分類とその重症度の決定は、効果的な治療介入に不可欠である。
言語病理学者(SLP)による伝統的な評価は一般的であるが、主観的で時間を要することが多く、実践者によって異なる場合がある。
進化する機械学習ベースのモデルは、より客観的な変形評価を提供する可能性を示し、診断精度と信頼性を高めている。
この系統的考察は,重症度レベルに基づくジステリア分類の現在の方法論を包括的に分析することを目的としている。
具体的には、患者の自動分類と、この目的のために最適なAI技術を評価するために使用できる、最も効果的なセットとタイプの機能を決定することに焦点を当てる。
我々は,構音障害度の自動分類に関する文献を体系的に検討する。
情報ソースには、電子データベースとグレイ文学が含まれる。
選定基準は,研究課題の関連性に基づいて策定される。
データ抽出には、使用する方法論、分類のために抽出された特徴の種類、採用されるai技術が含まれる。
この系統的レビューの知見は、現在dysarthria分類の理解に寄与し、将来の研究を報告し、改良された診断ツールの開発を支援する。
これらの所見の意義は、患者のケアの進行と、変形性関節症患者の治療成績の改善に重要である。
関連論文リスト
- 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) - A Saliency-based Clustering Framework for Identifying Aberrant
Predictions [49.1574468325115]
本稿では, 異常予測の概念を導入し, 分類誤差の性質が頻度と同じくらい重要であることを強調した。
本稿では,誤分類率の低減と異常予測の識別を両立する,新しい,効率的なトレーニング手法を提案する。
本手法を獣医学の分野である獣医学の分野に応用し, 被曝率は高いが, 人体医学に比べて広く研究されていない。
論文 参考訳（メタデータ） (2023-11-11T01:53:59Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Explainable AI for clinical and remote health applications: a survey on
tabular and time series data [3.655021726150368]
XAIは、特に医療において、さまざまな研究領域やデータタイプに同じ関心を集めていない点に注意が必要だ。
本稿は,過去5年間の文献を概観し,生成した説明のタイプと,それらの関連性や品質を評価するための取り組みについて述べる。
論文 参考訳（メタデータ） (2022-09-14T10:01:29Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳（メタデータ） (2022-03-21T09:57:20Z) - Explainable Deep Learning in Healthcare: A Methodological Survey from an
Attribution View [36.025217954247125]
本稿では,今後の研究者や臨床医の方法論として,深部・包括的に解釈可能性の方法を紹介した。
我々は、これらの方法が医療問題にどのように適応し、適用されたか、また、医師がこれらのデータ駆動技術をよりよく理解するのにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2021-12-05T17:12:53Z) - Estimating and Improving Fairness with Adversarial Learning [65.99330614802388]
本研究では,深層学習に基づく医療画像解析システムにおけるバイアスの同時緩和と検出を目的としたマルチタスク・トレーニング戦略を提案する。
具体的には,バイアスに対する識別モジュールと,ベース分類モデルにおける不公平性を予測するクリティカルモジュールを追加することを提案する。
大規模で利用可能な皮膚病変データセットのフレームワークを評価します。
論文 参考訳（メタデータ） (2021-03-07T03:10:32Z) - Uncertainty-driven ensembles of deep architectures for multiclass
classification. Application to COVID-19 diagnosis in chest X-ray images [8.103053617559748]
最近の新型コロナウイルスのパンデミックは、肺炎の診断を自動化するシステムの開発システムの必要性を示している。
CNNは、医療画像の自動分類に優れた選択肢であることが証明されている。
ベイズ深層学習に基づく多段階アンサンブル分類システムを提案する。
論文 参考訳（メタデータ） (2020-11-27T14:06:25Z) - Artificial Intelligence, speech and language processing approaches to
monitoring Alzheimer's Disease: a systematic review [5.635607414700482]
本稿では,アルツハイマー病の認知機能低下を予測するための人工知能,音声,言語処理の利用に関する現在の知見を要約する。
筆者らは2000年から2019年にかけて, PROSPEROに登録されたオリジナルの研究の体系的レビューを行った。
論文 参考訳（メタデータ） (2020-10-12T21:43:04Z)
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。