論文の概要: Assessment of Autism and ADHD: A Comparative Analysis of Drawing
Velocity Profiles and the NEPSY Test
- arxiv url: http://arxiv.org/abs/2401.15685v1
- Date: Sun, 28 Jan 2024 16:02:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 17:05:59.197818
- Title: Assessment of Autism and ADHD: A Comparative Analysis of Drawing
Velocity Profiles and the NEPSY Test
- Title（参考訳）: 自閉症とADHDの評価 : 描画速度プロファイルとNEPSYテストの比較分析
- Authors: S. Fortea-Sevilla, A. Garcia-Sosa., P. Morales-Almeida, C.
Carmona-Duarte
- Abstract要約: 本稿では, NEPSY-II評価における標準化タスクから得られた結果と, デジタルタブレットを用いて収集した速度分布の視覚的解析に基づく観測尺度を比較し, 組み合わせた概念実証を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The increasing prevalence of Autism Spectrum Disorder and Attention-Deficit/
Hyperactivity Disorder among students highlights the need to improve evaluation
and diagnostic techniques, as well as effective tools to mitigate the negative
consequences associated with these disorders. With the widespread use of
touchscreen mobile devices, there is an opportunity to gather comprehensive
data beyond visual cues. These devices enable the collection and visualization
of information on velocity profiles and the time taken to complete drawing and
handwriting tasks. These data can be leveraged to develop new
neuropsychological tests based on the velocity profile that assists in
distinguishing between challenging cases of ASD and ADHD that are difficult to
differentiate in clinical practice. In this paper, we present a proof of
concept that compares and combines the results obtained from standardized tasks
in the NEPSY-II assessment with a proposed observational scale based on the
visual analysis of the velocity profile collected using digital tablets.
- Abstract（参考訳）: 学生の自閉症スペクトラム障害と注意欠陥/多動性障害の増加は、評価と診断技術の改善の必要性と、これらの障害にかかわる悪影響を軽減する効果的なツールの必要性を浮き彫りにしている。
タッチスクリーンモバイルデバイスの普及により、視覚的手がかりを超えて包括的なデータを収集する機会がある。
これらのデバイスは、速度プロファイルに関する情報の収集と可視化と、描画と手書き作業の完了に要する時間短縮を可能にする。
これらのデータは、臨床で区別が難しいasdとadhdの困難な症例を区別するのに役立つ速度プロファイルに基づいた新しい神経心理学検査の開発に利用できる。
本稿では, NEPSY-II評価における標準化タスクから得られた結果と, デジタルタブレットを用いて収集した速度分布の視覚的解析に基づく観測尺度を比較し, 組み合わせた概念実証を行う。
関連論文リスト
- Challenges in the Differential Classification of Individual Diagnoses from Co-Occurring Autism and ADHD Using Survey Data [2.521920073279046]
自閉症とADHD(Autism and Attention-Deficit Hyper Activity Disorder)は、小児期で最もよく見られる神経発達障害の1つである。
両者を区別するための特定の計算アセスメントを提供することは、困難かつ時間を要することが証明される。
自動臨床意思決定支援システムの特徴として,対象とする行動を特定するために,全国小児健康調査のデータを用いた機械学習モデルを訓練した。
論文 参考訳（メタデータ） (2024-11-13T03:38:56Z) - Video-Based Autism Detection with Deep Learning [0.0]
感覚刺激に反応する子供の映像クリップを解析する深層学習モデルを開発した。
以上の結果から,本モデルは子どもの運動における重要な違いを効果的に一般化し,理解していることが明らかとなった。
論文 参考訳（メタデータ） (2024-02-26T17:45:00Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳（メタデータ） (2024-02-16T05:16:20Z) - A Survey of the Impact of Self-Supervised Pretraining for Diagnostic
Tasks with Radiological Images [71.26717896083433]
自己教師付き事前学習は,伝達学習における特徴表現の改善に有効であることが観察されている。
本総説ではX線, CT, 磁気共鳴, 超音波画像における使用法について概説する。
論文 参考訳（メタデータ） (2023-09-05T19:45:09Z) - Semi-Supervised Relational Contrastive Learning [8.5285439285139]
本稿では,自己教師付きコントラスト損失と一貫性を利用した半教師付き学習モデルを提案する。
我々は,ISIC 2018 Challengeベンチマークの皮膚病変分類を検証し,各種ラベル付きデータに対する本手法の有効性を実証した。
論文 参考訳（メタデータ） (2023-04-11T08:14:30Z) - Comparison of Probabilistic Deep Learning Methods for Autism Detection [0.0]
自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、現在世界中で普及している神経発達障害の一つ。
この疾患の早期発見は、発症治療に役立ち、正常な生活を導くのに役立つ。
論文 参考訳（メタデータ） (2023-03-09T17:49:37Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - On the Robustness of Pretraining and Self-Supervision for a Deep
Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。
本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。
以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文 参考訳（メタデータ） (2021-06-25T08:32:45Z) - Predicting Parkinson's Disease with Multimodal Irregularly Collected
Longitudinal Smartphone Data [75.23250968928578]
パーキンソン病は神経疾患であり、高齢者に多い。
伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。
そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-25T01:50:15Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - Explainable and Scalable Machine-Learning Algorithms for Detection of
Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。
我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
論文 参考訳（メタデータ） (2020-03-02T18:20:44Z)
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。