Fugu-MT 論文翻訳(概要): The Validity of a Machine Learning-Based Video Game in the Objective Screening of Attention Deficit Hyperactivity Disorder in Children Aged 5 to 12 Years

論文の概要: The Validity of a Machine Learning-Based Video Game in the Objective Screening of Attention Deficit Hyperactivity Disorder in Children Aged 5 to 12 Years

arxiv url: http://arxiv.org/abs/2312.11832v1
Date: Tue, 19 Dec 2023 03:48:39 GMT
ステータス: 処理完了
システム内更新日: 2023-12-20 17:12:27.635179
Title: The Validity of a Machine Learning-Based Video Game in the Objective Screening of Attention Deficit Hyperactivity Disorder in Children Aged 5 to 12 Years
Title（参考訳）: 5歳から12歳児における注意欠陥多動性障害の客観的スクリーニングにおける機械学習型ビデオゲームの有効性
Authors: Zeinab Zakani, Hadi Moradi, Sogand Ghasemzadeh, Maryam Riazi, and Fatemeh Mortazavi
Abstract要約: 本研究は,本疾患のコア症状を客観的に測定し,ADHDスクリーニングのためのビデオゲーム(FishFinder)を検証することを目的とした。 5歳から12歳までの健常児26名を対象に実験を行った。このシステムは92.3%の精度、90%の感度、93.7%の特異性を示した。
参考スコア（独自算出の注目度）: 2.5509157399370554
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Objective: Early identification of ADHD is necessary to provide the opportunity for timely treatment. However, screening the symptoms of ADHD on a large scale is not easy. This study aimed to validate a video game (FishFinder) for the screening of ADHD using objective measurement of the core symptoms of this disorder. Method: The FishFinder measures attention and impulsivity through in-game performance and evaluates the child's hyperactivity using smartphone motion sensors. This game was tested on 26 children with ADHD and 26 healthy children aged 5 to 12 years. A Support Vector Machine was employed to detect children with ADHD. results: This system showed 92.3% accuracy, 90% sensitivity, and 93.7% specificity using a combination of in-game and movement features. Conclusions: The FishFinder demonstrated a strong ability to identify ADHD in children. So, this game can be used as an affordable, accessible, and enjoyable method for the objective screening of ADHD.
Abstract（参考訳）: 目的: 適時治療の機会を提供するにはadhdの早期同定が必要である。しかし,ADHDの症状を大規模にスクリーニングすることは容易ではない。本研究の目的は,ADHDのスクリーニングのためのビデオゲーム(FishFinder)を,本疾患のコア症状の客観的測定により検証することであった。方法:ゲーム内パフォーマンスを通して注意と衝動を計測し,スマートフォンのモーションセンサを用いて子供の過敏性を評価する。本ゲームは5歳から12歳までのadhd児26名と健常児26名を対象に行った。 adhd児の検出にはサポートベクターマシンが用いられた。結果: 本システムは, 92.3%の精度, 90%の感度, 93.7%の特異性を示した。結論: FishFinderは小児のADHDを同定する強力な能力を示した。したがって、このゲームはADHDの客観的スクリーニングのための、手頃で、アクセスしやすく、楽しい方法として使用できる。

関連論文リスト

Challenges, Strengths, and Strategies of Software Engineers with ADHD: A Case Study [5.284373090958734]
世界人口の5.0%から7.1%はADHDである。 ADHD患者はいくつかの重要なSE関連活動に苦慮している。身体と精神の健康に問題を抱える。強みの面では、例えば、創造的スキルの向上、パズルの解き方の向上、先へ考える能力の向上などが示される。
論文参考訳（メタデータ） (2023-12-08T13:16:29Z)
Screening Autism Spectrum Disorder in childrens using Deep Learning Approach : Evaluating the classification model of YOLOv8 by comparing with other models [0.0]
そこで本稿では,YoloV8モデルを用いた顔画像を用いたASDスクリーニングの実践的解決策を提案する。分類の精度は89.64%、F1スコアは0.89。
論文参考訳（メタデータ） (2023-06-25T18:02:01Z)
Exploiting the Brain's Network Structure for Automatic Identification of ADHD Subjects [70.37277191524755]
我々は脳を機能的ネットワークとしてモデル化できることを示し,ADHD被験者と制御対象とではネットワークの特定の特性が異なることを示した。 776名の被験者で分類器を訓練し,ADHD-200チャレンジのために神経局が提供する171名の被験者を対象に試験を行った。
論文参考訳（メタデータ） (2023-06-15T16:22:57Z)
Detection of ADHD based on Eye Movements during Natural Viewing [3.1890959219836574]
ADHDは神経発達障害であり、臨床専門医が診断する必要がある。我々は、関連するタスクに対して事前学習を行う、エンドツーエンドのディープラーニングベースのシーケンスモデルを開発する。この手法は実際にADHDを検出し、関連するベースラインを上回ります。
論文参考訳（メタデータ） (2022-07-04T12:56:04Z)
Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with Multi-Task Brain Age Prediction [53.122045119395594]
ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
論文参考訳（メタデータ） (2022-01-31T09:39:52Z)
Leveraging Human Selective Attention for Medical Image Analysis with Limited Training Data [72.1187887376849]
選択的な注意機構は、注意散らしの存在を無視することで、認知システムがタスク関連視覚的手がかりに焦点を合わせるのに役立つ。本稿では,医療画像解析タスクにおいて,小さなトレーニングデータを用いたガベージを利用したフレームワークを提案する。本手法は腫瘍の3次元分割と2次元胸部X線分類において優れた性能を示す。
論文参考訳（メタデータ） (2021-12-02T07:55:25Z)
Detecting Fetal Alcohol Spectrum Disorder in children using Artificial Neural Network [3.9954080397757954]
胎児アルコールスペクトラム障害(英: Fetal alcohol spectrum disorder, FASD)は、妊娠中の母親のアルコール摂取量と他の子供の状態との違いのみが異なる症候群である。本研究は,小児のFASD分類における人工知能ニューラルネットワーク(ANN)の有用性を評価することに焦点を当てた。
論文参考訳（メタデータ） (2021-05-31T16:02:01Z)
Training an Emotion Detection Classifier using Frames from a Mobile Therapeutic Game for Children with Developmental Disorders [4.625468113840807]
自動感情分類は、自閉症などの発達的行動条件を持つ子供を含む感情認識に苦しむ人々を助ける可能性がある。ほとんどのコンピュータビジョン感情モデルは、成人の影響を訓練され、したがって子供の顔にパフォーマンスが低下します。我々は,児童感情自動検出の性能を高めるために,児童感情データの収集とラベル付けをゲーム化する戦略を考案した。
論文参考訳（メタデータ） (2020-12-16T00:08:51Z)
Early Autism Spectrum Disorders Diagnosis Using Eye-Tracking Technology [62.997667081978825]
資金不足、資格のある専門家の欠如、そして修正方法に対する信頼度の低いことが、AMDのリアルタイム診断に影響を及ぼす主要な問題である。我々のチームは、子どもの視線活動の情報に基づいて、ALDの確率を予測するアルゴリズムを開発した。
論文参考訳（メタデータ） (2020-08-21T20:22:55Z)
A Smartphone-based System for Real-time Early Childhood Caries Diagnosis [76.71303610807156]
6歳未満の小児では, 乳児期チャイナリー (ECC) が最も多いが, 予防可能な慢性疾患である。本研究では,キャビティ検出のための多段階深層学習システムを提案する。我々は、ディープラーニングシステムを、早期からECCを診断し、トレーニングされていないユーザにリアルタイムな結果を提供する、使い易いモバイルアプリケーションに統合する。
論文参考訳（メタデータ） (2020-08-17T21:11:19Z)
Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文参考訳（メタデータ） (2020-08-09T20:22:52Z)

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。