論文の概要: Involution Fused ConvNet for Classifying Eye-Tracking Patterns of
Children with Autism Spectrum Disorder
- arxiv url: http://arxiv.org/abs/2401.03575v1
- Date: Sun, 7 Jan 2024 20:08:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 18:15:13.551978
- Title: Involution Fused ConvNet for Classifying Eye-Tracking Patterns of
Children with Autism Spectrum Disorder
- Title（参考訳）: 自閉症スペクトラム障害児の視線追跡パターン分類のための畳み込み畳み込みネット
- Authors: Md. Farhadul Islam and Meem Arafat Manab and Joyanta Jyoti Mondal and
Sarah Zabeen and Fardin Bin Rahman and Md. Zahidul Hasan and Farig Sadeque
and Jannatun Noor
- Abstract要約: 自閉症スペクトラム障害(ASD)は、診断が難しい複雑な神経疾患である。多くの研究では、ASDと診断された子供が注意範囲を維持し、焦点を絞った視力の低下に苦しむことが示されている。
視線追跡技術は、視線異常が自閉症の診断的特徴として認識されて以来、ASDの文脈で特に注目を集めてきた。
- 参考スコア（独自算出の注目度）: 1.225920962851304
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Autism Spectrum Disorder (ASD) is a complicated neurological condition which
is challenging to diagnose. Numerous studies demonstrate that children
diagnosed with autism struggle with maintaining attention spans and have less
focused vision. The eye-tracking technology has drawn special attention in the
context of ASD since anomalies in gaze have long been acknowledged as a
defining feature of autism in general. Deep Learning (DL) approaches coupled
with eye-tracking sensors are exploiting additional capabilities to advance the
diagnostic and its applications. By learning intricate nonlinear input-output
relations, DL can accurately recognize the various gaze and eye-tracking
patterns and adjust to the data. Convolutions alone are insufficient to capture
the important spatial information in gaze patterns or eye tracking. The dynamic
kernel-based process known as involutions can improve the efficiency of
classifying gaze patterns or eye tracking data. In this paper, we utilise two
different image-processing operations to see how these processes learn
eye-tracking patterns. Since these patterns are primarily based on spatial
information, we use involution with convolution making it a hybrid, which adds
location-specific capability to a deep learning model. Our proposed model is
implemented in a simple yet effective approach, which makes it easier for
applying in real life. We investigate the reasons why our approach works well
for classifying eye-tracking patterns. For comparative analysis, we experiment
with two separate datasets as well as a combined version of both. The results
show that IC with three involution layers outperforms the previous approaches.
- Abstract（参考訳）: 自閉症スペクトラム障害(ASD)は、診断が難しい複雑な神経疾患である。
自閉症と診断された子どもたちは注意力の維持と集中力の低下に苦慮している。
視線追跡技術は、視線異常が自閉症の診断的特徴として認識されて以来、ASDの文脈で特に注目を集めてきた。
深層学習(DL)アプローチと視線追跡センサーは、診断とその応用を前進させる追加の能力を活用している。
複雑な非線形入出力関係を学習することにより、DLは様々な視線と視線追跡パターンを正確に認識し、データに適応することができる。
畳み込みだけでは、視線パターンや視線追跡において重要な空間情報を捉えることができない。
インボリューションとして知られる動的カーネルベースのプロセスは、視線パターンや視線追跡データの分類効率を向上させることができる。
本稿では、2つの異なる画像処理操作を用いて、これらのプロセスがどのようにアイトラッキングパターンを学習するかを確認する。
これらのパターンは主に空間情報に基づいているため、畳み込みによる畳み込みをハイブリッドにすることで、深層学習モデルに位置特化機能を追加する。
提案手法は単純かつ効果的な手法で実装されており,実生活に適用が容易である。
本手法が眼球追跡パターンの分類に有効である理由について検討する。
比較分析のために、2つの別々のデータセットと、両方の組み合わせバージョンを実験します。
その結果, 3層のICは, 従来の手法よりも優れていた。
関連論文リスト
- Exploring Gaze Pattern in Autistic Children: Clustering, Visualization, and Prediction [9.251838958621684]
そこで本稿では, ASD 児の視線行動を自動的に精度良く解析する手法を提案する。
まず、7つのクラスタリングアルゴリズムを適用して、視線ポイントを自動的にグループ化し、一般的に発達しているASD被験者と比較する。
最後に,これらの特徴を事前知識として用いて,視線行動に基づいて複数の予測機械学習モデルをトレーニングし,ASDの予測と診断を行う。
論文 参考訳（メタデータ） (2024-09-18T06:56:06Z) - Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification
Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。
提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文 参考訳（メタデータ） (2022-11-12T23:28:54Z) - Vision-Based Activity Recognition in Children with Autism-Related
Behaviors [15.915410623440874]
臨床医や親が子どもの行動を分析するのに役立つ地域型コンピュータビジョンシステムの効果を実証する。
データは、ビデオ中の対象の子供を検出し、背景雑音の影響を低減することで前処理される。
時間的畳み込みモデルの有効性から,ビデオフレームから動作特徴を抽出できる軽量モデルと従来モデルの両方を提案する。
論文 参考訳（メタデータ） (2022-08-08T15:12:27Z) - 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) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳（メタデータ） (2022-03-28T20:29:50Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - Understanding Character Recognition using Visual Explanations Derived
from the Human Visual System and Deep Networks [6.734853055176694]
深層ニューラルネットワークの情報収集戦略における合同性,あるいはその欠如について検討する。
深層学習モデルは、人間が正しく分類された文字に対して固定した文字の類似した領域を考慮に入れた。
本稿では、視線追跡実験から得られた視覚的固定マップを、モデルが関連する文字領域に焦点を合わせるための監督入力として用いることを提案する。
論文 参考訳（メタデータ） (2021-08-10T10:09:37Z) - Classifying Eye-Tracking Data Using Saliency Maps [8.524684315458245]
本稿では,視線追跡データの自動的,定量的分類のための視覚情報に基づく特徴抽出手法を提案する。
サリエンシの振幅、類似度、相違点を対応するアイフィクスマップと比較すると、視覚追跡データを識別するために識別的特徴を生成するために有効に活用される情報の余分な次元が得られる。
論文 参考訳（メタデータ） (2020-10-24T15:18:07Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z) - Towards Efficient Processing and Learning with Spikes: New Approaches
for Multi-Spike Learning [59.249322621035056]
各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。
特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。
提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
論文 参考訳（メタデータ） (2020-05-02T06:41:20Z) - 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)
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。