論文の概要: Enhancing ASD detection accuracy: a combined approach of machine
learning and deep learning models with natural language processing
- arxiv url: http://arxiv.org/abs/2403.03581v1
- Date: Wed, 6 Mar 2024 09:57:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 15:36:41.624304
- Title: Enhancing ASD detection accuracy: a combined approach of machine
learning and deep learning models with natural language processing
- Title(参考訳): ASD検出精度の向上:自然言語処理による機械学習とディープラーニングモデルの併用アプローチ
- Authors: Sergio Rubio-Mart\'in, Mar\'ia Teresa Garc\'ia-Ord\'as, Mart\'in
Bay\'on-Guti\'errez, Natalia Prieto-Fern\'andez and Jos\'e Alberto
Ben\'itez-Andrades
- Abstract要約: 自閉症スペクトラム障害(ASD)の診断における人工知能(AI)の利用について検討した。
ソーシャルメディア上のテキスト入力からASDを検出する機械学習(ML)とディープラーニング(DL)に焦点を当てた。
我々のAIモデルは精度が高く、88%の成功率でASDの個人からテキストを識別できた。
- 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: Purpose: Our study explored the use of artificial intelligence (AI) to
diagnose autism spectrum disorder (ASD). It focused on machine learning (ML)
and deep learning (DL) to detect ASD from text inputs on social media,
addressing challenges in traditional ASD diagnosis.
Methods: We used natural language processing (NLP), ML, and DL models
(including decision trees, XGB, KNN, RNN, LSTM, Bi-LSTM, BERT, and BERTweet) to
analyze 404,627 tweets, classifying them based on ASD or non-ASD authors. A
subset of 90,000 tweets was used for model training and testing.
Results: Our AI models showed high accuracy, with an 88% success rate in
identifying texts from individuals with ASD.
Conclusion: The study demonstrates AI's potential in improving ASD diagnosis,
especially in children, highlighting the importance of early detection.
- Abstract(参考訳): 目的: 自閉症スペクトラム障害(ASD)の診断における人工知能(AI)の使用について検討した。
ソーシャルメディア上のテキスト入力からASDを検出する機械学習(ML)とディープラーニング(DL)に焦点を当て、従来のASD診断における課題に対処した。
方法: 自然言語処理(NLP), ML, DLモデル(決定木, XGB, KNN, RNN, LSTM, Bi-LSTM, BERT, BERTweetを含む)を用いて404,627のツイートを分析し,ASDや非ASDの著者に基づいて分類した。
90,000ツイートのサブセットがモデルトレーニングとテストに使用された。
結果: 我々のAIモデルは精度が高く, ASD の個人からテキストを識別する成功率は 88% であった。
結論: この研究は、特に小児におけるASD診断を改善するAIの可能性を示し、早期発見の重要性を強調している。
関連論文リスト
- Leveraging Machine Learning for Early Autism Detection via INDT-ASD Indian Database [0.0]
自閉症スペクトラム障害(Autism spectrum disorder、ASD)は、世界最速の発達障害の一つである。
本研究は,機械学習を用いてASDを識別するための簡易かつ迅速かつ安価な技術を開発することを目的とした。
Adaboost (AB), Gradient Boost (GB), Decision Tree (DT), Logistic Regression (LR), Random Forest (RF), Gaussian Naive Bayes (GNB), Linear Discriminant Analysis (LDA), Quadratic Discriminant Analysis (QDA), K-Nearest Neighbors (KNN), Support Vector Machine (SVM)など,さまざまな機械学習分類器がある。
論文 参考訳(メタデータ) (2024-04-02T12:44:51Z) - DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。
The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文 参考訳(メタデータ) (2023-12-02T22:57:25Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳(メタデータ) (2023-03-14T16:03:28Z) - 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) - Exploiting prompt learning with pre-trained language models for
Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。
本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文 参考訳(メタデータ) (2022-10-29T09:18:41Z) - Exploring linguistic feature and model combination for speech
recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。
専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。
本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文 参考訳(メタデータ) (2022-06-28T05:09:01Z) - NeuraHealthNLP: An Automated Screening Pipeline to Detect Undiagnosed
Cognitive Impairment in Electronic Health Records with Deep Learning and
Natural Language Processing [0.0]
認知症の症例の75%は世界中で診断されず、低所得国と中所得国で90%に達する。
現在の診断方法は非常に複雑で、医療ノートのマニュアルレビュー、多くの認知検査、高価な脳スキャン、脊髄液検査などが含まれる。
このプロジェクトでは、HRの未検出認知症をスケーラブルかつ高速に発見するための、最先端の自動スクリーニングパイプラインを開発する。
論文 参考訳(メタデータ) (2022-01-12T06:19:14Z) - Detecting Autism Spectrum Disorders with Machine Learning Models Using
Speech Transcripts [0.0]
自閉症スペクトラム障害(Autism spectrum disorder、ASD)は、子どもの相互作用、コミュニケーション、他者との交流に影響を及ぼす神経発達障害として定義される。
ASDを正確に診断する現在の方法は、侵襲的、時間的、退屈である。
音声を使った機械学習モデル、顔からのコンピュータービジョン、網膜、脳MRI画像など、この疾患を正確にタイムリーに検出する新しい技術が急速に発展しつつある。
論文 参考訳(メタデータ) (2021-10-07T09:10:15Z) - Developing a New Autism Diagnosis Process Based on a Hybrid Deep
Learning Architecture Through Analyzing Home Videos [1.2691047660244335]
現在、54人中1人が自閉症スペクトラム障害(ASD)と診断されており、2000年より178%高い。
本稿では,分類データと画像データの両方を用いて,従来のASD事前スクリーニングを自動化するハイブリッドアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-04-02T17:30:35Z) - NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価
本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。
イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
論文 参考訳(メタデータ) (2021-02-10T13:00:29Z) - Uncovering the structure of clinical EEG signals with self-supervised
learning [64.4754948595556]
教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。
この現象は脳波(EEG)などの臨床関連データに特に問題となる。
ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
論文 参考訳(メタデータ) (2020-07-31T14:34:47Z)
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。