Fugu-MT 論文翻訳(概要): A Digital Language Coherence Marker for Monitoring Dementia

論文の概要: A Digital Language Coherence Marker for Monitoring Dementia

arxiv url: http://arxiv.org/abs/2310.09623v1
Date: Sat, 14 Oct 2023 17:10:19 GMT
ステータス: 処理完了
システム内更新日: 2023-10-17 19:22:34.353653
Title: A Digital Language Coherence Marker for Monitoring Dementia
Title（参考訳）: 認知症モニタリングのためのデジタル言語コヒーレンスマーカー
Authors: Dimitris Gkoumas, Adam Tsakalidis and Maria Liakata
Abstract要約: 本稿では,コスト効率のよい,人間の解釈可能なデジタルマーカーとして,言語コヒーレンスをキャプチャする手法を提案する。認知症と健常者の言語コヒーレンスパターンを比較した。コヒーレンスマーカーは軽度認知障害,アルツハイマー病,健常者間で有意な差を示した。
参考スコア（独自算出の注目度）: 14.580879594539859
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The use of spontaneous language to derive appropriate digital markers has become an emergent, promising and non-intrusive method to diagnose and monitor dementia. Here we propose methods to capture language coherence as a cost-effective, human-interpretable digital marker for monitoring cognitive changes in people with dementia. We introduce a novel task to learn the temporal logical consistency of utterances in short transcribed narratives and investigate a range of neural approaches. We compare such language coherence patterns between people with dementia and healthy controls and conduct a longitudinal evaluation against three clinical bio-markers to investigate the reliability of our proposed digital coherence marker. The coherence marker shows a significant difference between people with mild cognitive impairment, those with Alzheimer's Disease and healthy controls. Moreover our analysis shows high association between the coherence marker and the clinical bio-markers as well as generalisability potential to other related conditions.
Abstract（参考訳）: 適切なデジタルマーカーを導出するための自発的言語の使用は、認知症を診断し監視するための創発的で有望で非意図的な方法となった。本稿では,認知症患者の認知的変化を監視するための費用対効果の高い,人間解釈可能なデジタルマーカーとして,言語コヒーレンスを捉える手法を提案する。短い書き起こし物語における発話の時間的論理的一貫性を学習する新しいタスクを導入し,様々なニューラルアプローチについて検討する。認知症と健常者の言語コヒーレンスパターンを比較し,3つの臨床バイオマーカーに対して縦断評価を行い,提案するデジタルコヒーレンスマーカーの信頼性について検討した。コヒーレンスマーカーは、軽度認知障害患者、アルツハイマー病患者、健康管理者の間で有意な差を示している。さらに,コヒーレンスマーカーと臨床バイオマーカーの関連性が高く,他の関連疾患に対する一般可能性も高い。

関連論文リスト

Large Language Model-based FMRI Encoding of Language Functions for Subjects with Neurocognitive Disorder [53.575426835313536]
LLMを用いたfMRIエンコーディングと脳のスコアを用いた高齢者の言語関連機能変化について検討する。脳のスコアと認知スコアの相関関係を脳全体のROIと言語関連ROIの両方で分析した。以上の結果から,認知能力の向上は,中側頭回に有意な相関がみられた。
論文参考訳（メタデータ） (2024-07-15T01:09:08Z)
Comparing Hallucination Detection Metrics for Multilingual Generation [62.97224994631494]
本稿では,各言語にまたがって生成した伝記要約における幻覚を,様々な事実の幻覚検出指標がいかによく識別するかを評価する。自動測度が相互にどのように相関するか, 事実判断に一致しているかを比較検討した。我々の分析によると、語彙指標は非効率であるが、NLIベースのメトリクスはよく機能し、多くの設定における人間のアノテーションと相関し、しばしば教師付きモデルよりも優れている。
論文参考訳（メタデータ） (2024-02-16T08:10:34Z)
Reformulating NLP tasks to Capture Longitudinal Manifestation of Language Disorders in People with Dementia [18.964022118823532]
我々は中程度の大きさの事前学習言語モデルを用いて言語障害パターンを学習する。次に、最良モデルからの確率推定値を用いて、デジタル言語マーカーを構築する。提案する言語障害マーカーは,疾患進行に伴う言語障害に関する有用な知見を提供する。
論文参考訳（メタデータ） (2023-10-15T17:58:47Z)
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)
Semantic Coherence Markers for the Early Diagnosis of the Alzheimer Disease [0.0]
パープレキシティはもともと、与えられた言語モデルがテキストシーケンスを予測するのにどの程度適しているかを評価するための情報理論の尺度として考え出された。我々は2グラムから5グラムまでのN-gramとトランスフォーマーベース言語モデルであるGPT-2を多種多様な言語モデルに適用した。ベストパフォーマンスモデルでは、ADクラスと制御対象の両方から対象を分類する際に、完全精度とFスコア(精度/特異度とリコール/感度のそれぞれ1.00)を達成した。
論文参考訳（メタデータ） (2023-02-02T11:40:16Z)
Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文参考訳（メタデータ） (2022-11-08T17:29:40Z)
A Longitudinal Multi-modal Dataset for Dementia Monitoring and Diagnosis [22.672055089496972]
健常者や認知症者から収集した, 細粒度長大な多モードコーパスについて紹介した。コーパスは音声による会話で構成され、そのサブセットは書き起こされ、型付けされた思考と関連する言語外情報から構成される。
論文参考訳（メタデータ） (2021-09-03T14:02:12Z)
CogAlign: Learning to Align Textual Neural Representations to Cognitive Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文参考訳（メタデータ） (2021-06-10T07:10:25Z)
Predicting Early Indicators of Cognitive Decline from Verbal Utterances [2.387625146176821]
認知症 (Dementia) は、記憶障害、コミュニケーション障害、思考過程を引き起こす、不可逆的、慢性的、進歩的な神経変性疾患のグループである。神経心理学試験における発話の言語的特徴を用いて,高齢者コントロールグループ,MCI,アルツハイマー病(AD)とADの鑑別が可能かを検討した。以上の結果から, 高齢者の言語発話, MCI, AD, ADの区別が, 文脈的, 心理言語学的特徴の組合せによって改善されることが示唆された。
論文参考訳（メタデータ） (2020-11-19T02:24:11Z)
A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文参考訳（メタデータ） (2020-05-08T02:29:24Z)
Identification of Dementia Using Audio Biomarkers [15.740689461116762]
本研究の目的は、認知症のステージを自動的に識別するために、音声処理と機械学習技術を使用することである。非言語的音響パラメータはこの目的のために使われ、言語に依存しないアプローチとなっている。我々は, スペクトル, 時間, ケプストラム等の音響特性の寄与と, 認知症ステージの同定への選択について分析した。
論文参考訳（メタデータ） (2020-02-27T13:54:00Z)

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。