論文の概要: Path Signature Representation of Patient-Clinician Interactions as a
Predictor for Neuropsychological Tests Outcomes in Children: A Proof of
Concept
- arxiv url: http://arxiv.org/abs/2312.11512v1
- Date: Tue, 12 Dec 2023 12:14:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 13:26:23.157934
- Title: Path Signature Representation of Patient-Clinician Interactions as a
Predictor for Neuropsychological Tests Outcomes in Children: A Proof of
Concept
- Title（参考訳）: 小児の神経心理学的検査結果の予測因子としての患者・クリニシアン相互作用の経路シグナル表現 : 概念実証
- Authors: Giulio Falcioni, Alexandra Georgescu, Emilia Molimpakis, Lev Gottlieb,
Taylor Kuhn, Stefano Goria
- Abstract要約: この研究は39のビデオ記録のデータセットを利用して、臨床医が認知評価テストを実施する広範囲なセッションを捉えた。
サンプルサイズと不均一な記録スタイルが限定されているにもかかわらず、解析は記録データの特徴としてパスシグネチャを抽出することに成功している。
以上の結果から,これらの特徴は,全セッション長の認知テストのスコアを予測できる有望な可能性を示唆した。
- 参考スコア（独自算出の注目度）: 40.737684553736166
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This research report presents a proof-of-concept study on the application of
machine learning techniques to video and speech data collected during
diagnostic cognitive assessments of children with a neurodevelopmental
disorder. The study utilised a dataset of 39 video recordings, capturing
extensive sessions where clinicians administered, among other things, four
cognitive assessment tests. From the first 40 minutes of each clinical session,
covering the administration of the Wechsler Intelligence Scale for Children
(WISC-V), we extracted head positions and speech turns of both clinician and
child. Despite the limited sample size and heterogeneous recording styles, the
analysis successfully extracted path signatures as features from the recorded
data, focusing on patient-clinician interactions. Importantly, these features
quantify the interpersonal dynamics of the assessment process (dialogue and
movement patterns). Results suggest that these features exhibit promising
potential for predicting all cognitive tests scores of the entire session
length and for prototyping a predictive model as a clinical decision support
tool. Overall, this proof of concept demonstrates the feasibility of leveraging
machine learning techniques for clinical video and speech data analysis in
order to potentially enhance the efficiency of cognitive assessments for
neurodevelopmental disorders in children.
- Abstract（参考訳）: 本研究は、神経発達障害児の診断認知評価中に収集されたビデオおよび音声データに対する機械学習技術の適用に関する概念実証研究である。
この研究は39の動画記録のデータセットを利用し、臨床医が4つの認知評価試験を施した広範囲なセッションを撮影した。
各臨床セッションの開始40分後から,Wechsler Intelligence Scale for Children (WISC-V) を対象とし,臨床医と小児の頭位と発声位置を抽出した。
サンプルサイズと異種記録スタイルが限定されているにもかかわらず, 患者・クリニック相互作用に着目し, 記録データの特徴としてパスシグネチャの抽出に成功した。
これらの特徴は、評価過程(対話と運動パターン)の対人的ダイナミクスを定量化する。
これらの特徴は,全セッション長の認知テストスコアを予測し,臨床判断支援ツールとして予測モデルをプロトタイピングする有望な可能性を示唆する。
全体として、この概念実証は、小児の神経発達障害に対する認知評価の効率を高めるために、臨床ビデオおよび音声データ分析に機械学習技術を活用する可能性を示している。
関連論文リスト
- Speech-based Clinical Depression Screening: An Empirical Study [32.84863235794086]
本研究では,AIを用いた抑うつスクリーニングにおける音声信号の有用性について検討した。
参加者には、北京大学第6病院の外来から採用されているうつ病患者が含まれる。
音声と深部音声の特徴を各参加者の分節録音から抽出した。
論文 参考訳（メタデータ） (2024-06-05T09:43:54Z) - Exploring Speech Pattern Disorders in Autism using Machine Learning [12.469348589699766]
本研究は, 被験者と患者との対話の分析を通じて, 独特の音声パターンを識別するための包括的アプローチを提案する。
我々は,40の音声関連特徴を抽出し,周波数,ゼロクロス速度,エネルギー,スペクトル特性,メル周波数ケプストラル係数(MFCC),バランスに分類した。
分類モデルはASDと非ASDを区別することを目的としており、精度は87.75%である。
論文 参考訳（メタデータ） (2024-05-03T02:59:15Z) - Identification of Cognitive Decline from Spoken Language through Feature
Selection and the Bag of Acoustic Words Model [0.0]
記憶障害の症状の早期発見は、集団の健康確保に重要な役割を担っている。
臨床環境における標準化された音声テストの欠如は、自然音声言語を解析するための自動機械学習技術の開発にますます重点を置いている。
この研究は特徴選択に関するアプローチを示し、ジュネーブの最小音響パラメータセットと相対音声停止から診断に必要な重要な特徴を自動的に選択することを可能にする。
論文 参考訳（メタデータ） (2024-02-02T17:06:03Z) - Show from Tell: Audio-Visual Modelling in Clinical Settings [58.88175583465277]
臨床環境でのオーディオ・ビジュアル・モデリングを考察し、人間の専門的アノテーションを使わずに医学的表現を学習するためのソリューションを提供する。
この目的のために, 単純かつ効果的なマルチモーダル自己教師型学習フレームワークを提案する。
提案手法は,音声のみを基準として,超音波画像中の解剖学的関心領域をローカライズすることができる。
論文 参考訳（メタデータ） (2023-10-25T08:55:48Z) - Counterfactual Explanations and Predictive Models to Enhance Clinical
Decision-Making in Schizophrenia using Digital Phenotyping [0.966840768820136]
統合失調症患者の症状の個人的変化を予測・検出・説明できる機械学習システムを提案する。
このシステムは、変更点アルゴリズムを用いて症状の減少を検知し、医療におけるシミュレーションされた継続的監視シナリオにおけるリコースとして反ファクト的説明を用いる。
論文 参考訳（メタデータ） (2023-06-06T19:33:03Z) - Analysing the Impact of Audio Quality on the Use of Naturalistic
Long-Form Recordings for Infant-Directed Speech Research [62.997667081978825]
早期言語習得のモデリングは、幼児が言語スキルをブートストラップする方法を理解することを目的としている。
近年の進歩により、より自然主義的なトレーニングデータを計算モデルに利用できるようになった。
音質がこれらのデータに対する分析やモデリング実験にどう影響するかは、現時点では不明である。
論文 参考訳（メタデータ） (2023-05-03T08:25:37Z) - This Patient Looks Like That Patient: Prototypical Networks for
Interpretable Diagnosis Prediction from Clinical Text [56.32427751440426]
臨床実践においては、そのようなモデルは正確であるだけでなく、医師に解釈可能で有益な結果を与える必要がある。
本稿では,プロトタイプネットワークに基づく新しい手法であるProtoPatientを紹介する。
利用可能な2つの臨床データセット上でモデルを評価し、既存のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-10-16T10:12:07Z) - fMRI Neurofeedback Learning Patterns are Predictive of Personal and
Clinical Traits [62.997667081978825]
機能的MRI(fMRI)による自律神経運動課題における学習経過の個人的シグネチャを得る。
署名は、第1セッションで同様のfMRI由来の脳の状態が与えられた後、第2セッションで扁桃体の活動を予測することに基づいている。
論文 参考訳（メタデータ） (2021-12-21T06:52:48Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z) - Comparison of Speaker Role Recognition and Speaker Enrollment Protocol
for conversational Clinical Interviews [9.728371067160941]
エンドツーエンドのニューラルネットワークアーキテクチャをトレーニングし、各タスクに適応し、各アプローチを同じメトリクスで評価します。
結果は面接者の人口統計にも依存せず,その臨床的意義を浮き彫りにした。
論文 参考訳（メタデータ） (2020-10-30T09:07:37Z)
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。