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
- Action-Based ADHD Diagnosis in Video [2.793781561647737]
ビデオベースのフレームレベルの行動認識ネットワークをADHD診断に初めて導入する。
また、実際の多モードADHDデータセットを記録し、ADHD診断のためのビデオモダリティから3つのアクションクラスを抽出する。
論文 参考訳（メタデータ） (2024-09-03T19:38:23Z) - Refining ADHD diagnosis with EEG: The impact of preprocessing and temporal segmentation on classification accuracy [41.94295877935867]
本研究は,脳波によるADHD診断の信頼性向上における前処理とセグメンテーションの重要性を強調した。
後の脳波セグメントで訓練されたモデルは、ADHDを識別する際の認知疲労の潜在的な役割を示唆し、かなり高い精度を実現した。
論文 参考訳（メタデータ） (2024-07-11T09:07:22Z) - Evaluating Large Vision-and-Language Models on Children's Mathematical Olympiads [74.54183505245553]
ジョイントビジョンとテキスト推論のためのAI能力の体系的分析は、現在の科学文献に欠けている。
我々は,子どものオリンピアードからのビジュオ言語問題を用いて,その数学的およびアルゴリズム的推論能力に基づいて,最先端のLVLMを評価した。
以上の結果から,近代のLVLMは,高学年の問題解決において,より強力な推論能力を示す一方で,幼児向けの問題に正しく答える基盤が欠如していることが示唆された。
論文 参考訳（メタデータ） (2024-06-22T05:04:39Z) - 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) - Improved Digital Therapy for Developmental Pediatrics Using Domain-Specific Artificial Intelligence: Machine Learning Study [5.258326585054865]
自動的な感情分類は、自閉症のような発達的な行動状態の子供を含む感情を認識するのに苦労する人々を助けることができる。
ほとんどのコンピュータビジョンの感情認識モデルは成人の感情に基づいて訓練されているため、子供の顔に適用された場合、性能は低下する。
本研究では,児童感情認識モデルの性能を高めるために,児童感情強調画像の収集とラベル付けをゲーミフィケーション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。