論文の概要: Detection of developmental language disorder in Cypriot Greek children using a neural network algorithm

• arxiv url: http://arxiv.org/abs/2311.15054v2
• Date: Sat, 10 Feb 2024 11:05:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-13 21:30:18.996543
• Title: Detection of developmental language disorder in Cypriot Greek children using a neural network algorithm
• Title（参考訳）: ニューラル・ネットワーク・アルゴリズムを用いたキプロスのギリシャ人幼児の発達言語障害の検出
• Authors: Georgios P. Georgiou and Elena Theodorou
• Abstract要約: 本研究の目的は,人工知能を用いた発達言語障害(DLD)の自動識別手法の開発である。 このプロトコルは、DLDを持つキプロス系ギリシャ人の子供に初めて適用される。 モデルの性能は精度,精度,リコール,F1スコア,ROC/AUC曲線などの指標を用いて評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Children with developmental language disorder (DLD) encounter difficulties in acquiring various language structures. Early identification and intervention are crucial to prevent negative long-term outcomes impacting the academic, social, and emotional development of children. The study aims to develop an automated method for the identification of DLD using artificial intelligence, specifically a neural network machine learning algorithm. This protocol is applied for the first time in a Cypriot Greek child population with DLD. The neural network model was trained using perceptual and production data elicited from 15 children with DLD and 15 healthy controls in the age range of 7;10 until 10;4. The k-fold technique was used to crossvalidate the algorithm. The performance of the model was evaluated using metrics such as accuracy, precision, recall, F1 score, and ROC/AUC curve to assess its ability to make accurate predictions on a set of unseen data. The results demonstrated high classification values for all metrics, indicating the high accuracy of the neural model in classifying children with DLD. Additionally, the variable importance analysis revealed that the language production skills of children had a more significant impact on the performance of the model compared to perception skills. Machine learning paradigms provide effective discrimination between children with DLD and those with TD, with the potential to enhance clinical assessment and facilitate earlier and more efficient detection of the disorder.
• Abstract（参考訳）: 発達言語障害児(dld)は、様々な言語構造を取得するのが困難である。 早期発見と介入は、子どもの学術的、社会的、感情的な発達に影響を及ぼす負の長期的な結果を防ぐために不可欠である。 本研究は,人工知能,特にニューラルネットワーク機械学習アルゴリズムを用いたDLDの自動識別手法の開発を目的とする。 このプロトコルは、DLDを持つキプロス系ギリシャ人の子供に初めて適用される。 ニューラルネットワークモデルは、DLDを持つ15人の子供と7;10歳から10;4歳までの健常者15人の知覚・生産データを用いて訓練された。 kフォールド法はアルゴリズムのクロスバリデーションに使われた。 モデルの性能を精度,精度,リコール,F1スコア,ROC/AUC曲線などの指標を用いて評価し,未知のデータに対して正確な予測を行う能力を評価する。 その結果,すべての指標に対して高い分類値が示され,dld児の分類における神経モデルの精度が示された。 さらに, 可変重要度分析により, 子どもの言語生産能力は, 知覚能力と比較して, モデルの性能に有意な影響を与えていることが明らかとなった。 機械学習のパラダイムは、DLDを持つ子供とTDを持つ子供の間で効果的な識別を提供し、臨床評価を高め、疾患の早期かつより効率的な検出を促進する可能性がある。

関連論文リスト

• Towards a Foundation Model for Brain Age Prediction using coVariance Neural Networks [102.75954614946258]
  時間的年齢に関する脳年齢の増加は、神経変性と認知低下に対する脆弱性の増加を反映している。 NeuroVNNは、時系列年齢を予測するために、健康な人口の回帰モデルとして事前訓練されている。 NeuroVNNは、脳の年齢に解剖学的解釈性を加え、任意の脳のアトラスに従って計算されたデータセットへの転移を可能にする「スケールフリー」特性を持つ。
  論文  参考訳（メタデータ） (2024-02-12T14:46:31Z)
• Unveiling Intractable Epileptogenic Brain Networks with Deep Learning Algorithms: A Novel and Comprehensive Framework for Scalable Seizure Prediction with Unimodal Neuroimaging Data in Pediatric Patients [0.0]
  てんかんは、世界中で5000万人、アメリカ人120万人に影響を及ぼす神経疾患である。 本研究は,小児の発作を予測するための新しい包括的枠組みを提案する。 各種機械学習アルゴリズムの性能は、精度、精度、特異性、感度、F1スコア、MCCといった重要な指標に基づいて評価される。
  論文  参考訳（メタデータ） (2023-09-05T21:03:36Z)
• Adapting Machine Learning Diagnostic Models to New Populations Using a Small Amount of Data: Results from Clinical Neuroscience [21.420302408947194]
  我々は、ソースグループからのデータを最適に組み合わせ、ターゲットグループで予測する、重み付き経験的リスク最小化手法を開発した。 本研究では,アルツハイマー病の診断と脳年齢推定のためのMLモデルを構築するため,20の神経画像研究から15,363人のマルチソースデータに適用した。
  論文  参考訳（メタデータ） (2023-08-06T18:05:39Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
  超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
  論文  参考訳（メタデータ） (2022-12-17T23:29:14Z)
• Towards human-level performance on automatic pose estimation of infant spontaneous movements [2.7086496937827005]
  4種類の畳み込みニューラルネットワークを訓練し、新しい幼児ポーズデータセットを用いて評価した。 最高のパフォーマンスのニューラルネットワークは、人間の専門家アノテーションのラッター間拡散に類似したローカライゼーションエラーを持っていた。 以上の結果から, 乳児の自発運動の評価は, 周産期脳損傷児の発達障害の早期発見に大きく貢献する可能性が示唆された。
  論文  参考訳（メタデータ） (2020-10-12T18:17:47Z)
• A Deep Learning Approach to Tongue Detection for Pediatric Population [1.5484595752241122]
  重度の障害と複雑なコミュニケーションを持つ子どもたちは、アクセス技術(AT)デバイスの使用に制限に直面している。 これまでの研究では、成人被験者に対する舌検出アルゴリズムの頑健さが示されている。 本研究では,言語外ジェスチャ認識のためのネットワークアーキテクチャを実装し,自然条件下で録画されたビデオに対して評価を行った。
  論文  参考訳（メタデータ） (2020-09-04T21:04:57Z)
• 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)
• A Developmental Neuro-Robotics Approach for Boosting the Recognition of Handwritten Digits [91.3755431537592]
  近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。 本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
  論文  参考訳（メタデータ） (2020-03-23T14:55:00Z)
• 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)
• A Neural Approach to Ordinal Regression for the Preventive Assessment of Developmental Dyslexia [0.0]
  発達性Dyslexia(DD)は、人口の約5%に影響を与える読解能力の獲得に関連する学習障害である。 そこで,本研究では,学生が読み取る前にDDのリスクを評価する手法を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:08:41Z)

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。