論文の概要: Video-Based Autism Detection with Deep Learning
- arxiv url: http://arxiv.org/abs/2402.16774v1
- Date: Mon, 26 Feb 2024 17:45:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-28 19:51:50.025923
- Title: Video-Based Autism Detection with Deep Learning
- Title(参考訳): ディープラーニングを用いたビデオベース自閉症検出
- Authors: M. Serna-Aguilera, X. B. Nguyen, A. Singh, L. Rockers, S. Park, L.
Neely, H. Seo, K. Luu
- Abstract要約: 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,本モデルでは患者の動きの相違点をよく理解することが可能であることが示唆された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autism Spectrum Disorder (ASD) can often make life difficult for children,
therefore early diagnosis is necessary for proper treatment and care. Thus, in
this work, we consider the problem of detecting or classifying ASD in children
to aid medical professionals in early detection. To this end, we develop a deep
learning model that analyzes video clips of children reacting to sensory
stimuli, with the intent on capturing key differences in reactions and behavior
between ASD and non-ASD patients. Unlike many works in ASD classification,
their data consist of MRI data, which requires expensive specialized MRI
equipment, meanwhile our method need only rely on a powerful but relatively
cheaper GPU, a decent computer setup, and a video camera for inference. Results
on our data show that our model can generalize well and can understand key
differences in the distinct movements of the patients. This is despite limited
amounts of data for a deep learning problem, limited temporal information
available to the model as input, and even when there is noise due to movement.
- Abstract(参考訳): 自閉症スペクトラム障害 (ASD) はしばしば子どもの生活を困難にするため、適切な治療とケアのために早期診断が必要である。
そこで本研究では,子どものasdを早期発見支援のために検出・分類することの問題点について考察する。
そこで本研究では,asd患者と非asd患者の反応と行動の鍵となる違いを捉える目的で,感覚刺激に反応する子どものビデオクリップを分析する深層学習モデルを開発した。
asd分類の多くの作品とは異なり、彼らのデータは高価なmri装置を必要とするmriデータで構成されており、一方、この方法はパワフルで比較的安価なgpu、まともなコンピュータセットアップ、そして推論のためのビデオカメラのみに依存している。
以上の結果から,本モデルは十分に一般化でき,患者の動きにおける重要な違いを把握できることが示唆された。
これは、ディープラーニング問題のための限られた量のデータ、入力としてモデルに利用可能な時間的情報、そして動きによるノイズがある場合でもである。
関連論文リスト
- 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) - Action-based Early Autism Diagnosis Using Contrastive Feature Learning [2.922007656878633]
自閉症スペクトラム障害(Autism Spectrum disorder, ASD)は、神経疾患である。
その主な症状は、(言語および/または非言語)コミュニケーションの困難さ、硬直的/反復的な行動である。
本稿では,簡単なアクションビデオクリップを用いて,自閉症の診断を自動化するための学習的アプローチを提案する。
論文 参考訳(メタデータ) (2022-09-12T16:31:34Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳(メタデータ) (2022-04-01T22:48:08Z) - 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) - Activity Recognition for Autism Diagnosis [1.4854189993691178]
形式的自閉症診断は非効率で長いプロセスである。
この問題の1つのアプローチは、デジタル技術を使って自閉症に関連する行動を検出することである。
自閉症の最も強い指標の1つは刺激であり、反復的で自己刺激的な行動のセットである。
論文 参考訳(メタデータ) (2021-08-18T01:00:02Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳(メタデータ) (2021-05-18T11:37:57Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-14T16:50:50Z) - 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 Convolutional Neural Network for gaze preference detection: A
potential tool for diagnostics of autism spectrum disorder in children [0.0]
本稿では,1分間の刺激映像から抽出した画像を用いた視線予測のための畳み込みニューラルネットワーク(CNN)アルゴリズムを提案する。
本モデルでは,被検者の視線方向の予測に高い精度とロバスト性を実現した。
論文 参考訳(メタデータ) (2020-07-28T18:47:21Z) - 4D Spatio-Temporal Deep Learning with 4D fMRI Data for Autism Spectrum
Disorder Classification [69.62333053044712]
ASD分類のための4次元畳み込み深層学習手法を提案する。
F1スコアは0.71、F1スコアは0.65であるのに対し、我々は4Dニューラルネットワークと畳み込みリカレントモデルを採用する。
論文 参考訳(メタデータ) (2020-04-21T17:19:06Z) - 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。