論文の概要: Gamified AI Approch for Early Detection of Dementia

• arxiv url: http://arxiv.org/abs/2405.16538v1
• Date: Sun, 26 May 2024 12:01:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-28 20:39:12.295584
• Title: Gamified AI Approch for Early Detection of Dementia
• Title（参考訳）: 認知症早期発見のためのゲーミフィケーションAIアプリ
• Authors: Paramita Kundu Maji, Soubhik Acharya, Priti Paul, Sanjay Chakraborty, Saikat Basu,
• Abstract要約: 本研究は、認知評価ベースのゲームアプリケーションを通じて、健康指標データと顔画像データを用いた早期認知症検出のための頑健な畳み込みニューラルネットワーク(CNN)ベースのモデルを統合する。 ゲームレベル1のMOD-1D-CNNのトレーニング用としてラベル付けされたApollo Diagnostic Center Kolkataの健康測定データ1000と,ゲームレベル2のMOD-2D-CNNモデルのトレーニング用として,認知型または非認知型とラベル付けされた1800の顔データを含む顔画像のデータセットを収集した。
• 参考スコア（独自算出の注目度）: 1.1270783169347502
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper aims to develop a new deep learning-inspired gaming approach for early detection of dementia. This research integrates a robust convolutional neural network (CNN)-based model for early dementia detection using health metrics data as well as facial image data through a cognitive assessment-based gaming application. We have collected 1000 data samples of health metrics dataset from Apollo Diagnostic Center Kolkata that is labeled as either demented or non-demented for the training of MOD-1D-CNN for the game level 1 and another dataset of facial images containing 1800 facial data that are labeled as either demented or non-demented is collected by our research team for the training of MOD-2D-CNN model in-game level 2. In our work, the loss for the proposed MOD-1D-CNN model is 0.2692 and the highest accuracy is 70.50% for identifying the dementia traits using real-life health metrics data. Similarly, the proposed MOD-2D-CNN model loss is 0.1755 and the highest accuracy is obtained here 95.72% for recognizing the dementia status using real-life face-based image data. Therefore, a rule-based weightage method is applied to combine both the proposed methods to achieve the final decision. The MOD-1D-CNN and MOD-2D-CNN models are more lightweight and computationally efficient alternatives because they have a significantly lower number of parameters when compared to the other state-of-the-art models. We have compared their accuracies and parameters with the other state-of-the-art deep learning models.
• Abstract（参考訳）: 本稿では,認知症早期発見のための新しい深層学習型ゲーム手法を開発することを目的とする。 本研究は、認知評価ベースのゲームアプリケーションを通じて、健康指標データと顔画像データを用いた早期認知症検出のための頑健な畳み込みニューラルネットワーク(CNN)ベースのモデルを統合する。 ゲームレベル1のMOD-1D-CNNのトレーニング用としてラベル付けされたApollo Diagnostic Center Kolkataの健康測定データ1000と,ゲームレベル2のMOD-2D-CNNモデルのトレーニング用として,認知型または非認知型とラベル付けされた1800の顔データを含む顔画像のデータセットを収集した。 本研究で提案したMOD-1D-CNNモデルにおける損失は0.2692であり, 実際の健康指標データを用いて認知症特性の同定に最も高い精度が70.50%である。 同様に、提案したMOD-2D-CNNモデル損失は0.1755であり、実際の顔画像データを用いて認知症状態を認識するための最高精度は95.72%である。 そこで,提案手法を組み合わせ,最終決定を下すためにルールに基づく重み付け法を適用した。 MOD-1D-CNNおよびMOD-2D-CNNモデルは、他の最先端モデルと比較してパラメータ数が大幅に少ないため、より軽量で計算的に効率的な代替品である。 それらの精度とパラメータを、他の最先端のディープラーニングモデルと比較した。

関連論文リスト

• MD tree: a model-diagnostic tree grown on loss landscape [6.633201258809686]
  トレーニング済みのニューラルネットワーク(NN)を前提として、障害モードのセットから障害の原因を予測することが目標だ。 従来の診断アプローチでは、トレーニングと検証エラーを使用して、モデルが過度に適合しているか、過度に適合しているかを判断する。 NN性能に関する豊富な情報が最適化損失ランドスケープにエンコードされていることを示す。
  論文  参考訳（メタデータ） (2024-06-24T04:31:17Z)
• A Review and Implementation of Object Detection Models and Optimizations for Real-time Medical Mask Detection during the COVID-19 Pandemic [0.0]
  この研究は、Common Objects in Context(COCO)データセット上で最も基本的なオブジェクト検出モデルを評価する。 我々は、医療マスクを用いた人間の顔の話題的、未探索のデータセットをトレーニングするために、YOLOv5と呼ばれる非常に効率的なモデルを選択した。 医療用マスクの正確な検出に移動学習を用いたYOLOv5に基づく最適化モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-28T17:27:24Z)
• Alzheimer's Magnetic Resonance Imaging Classification Using Deep and Meta-Learning Models [2.4561590439700076]
  本研究では,最新のCNNを特徴とする深層学習技術を活用することで,アルツハイマー病(AD)のMRIデータを分類することに焦点を当てた。 アルツハイマー病は高齢者の認知症の主要な原因であり、徐々に認知機能障害を引き起こす不可逆的な脳疾患である。 将来、この研究は、信号、画像、その他のデータを含む他の種類の医療データを組み込むように拡張することができる。
  論文  参考訳（メタデータ） (2024-05-20T15:44:07Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• A Meta-GNN approach to personalized seizure detection and classification [53.906130332172324]
  本稿では,特定の患者に限られた発作サンプルから迅速に適応できるパーソナライズされた発作検出・分類フレームワークを提案する。 トレーニング患者の集合からグローバルモデルを学ぶメタGNNベースの分類器を訓練する。 本手法は, 未確認患者20回に限って, 精度82.7%, F1スコア82.08%を達成し, ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2022-11-01T14:12:58Z)
• FCM-DNN: diagnosing coronary artery disease by deep accuracy Fuzzy C-Means clustering model [0.5340189314359047]
  提案したFCM-DNNモデルは99.91%の精度で10個のクラスタ、すなわち健康な被験者に5個のクラスタ、病気患者に5個のクラスタを特定できる。 その結果,提案したFCM-DNNモデルが科学・研究センターに有用であることが確認された。
  論文  参考訳（メタデータ） (2022-02-09T06:41:44Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Comparison of Convolutional neural network training parameters for detecting Alzheimers disease and effect on visualization [0.0]
  畳み込みニューラルネットワーク(CNN)は、画像データのパターンを検出する強力なツールとなっている。 これまでMRIデータのCNNモデルから得られた精度にもかかわらず、この精度を駆動する特徴や画像領域に関する情報を提供する論文はほとんどなかった。
  論文  参考訳（メタデータ） (2020-08-18T15:21:50Z)
• Assessing Graph-based Deep Learning Models for Predicting Flash Point [52.931492216239995]
  グラフベースのディープラーニング(GBDL)モデルは初めてフラッシュポイントを予測するために実装された。 MPNNの平均R2と平均絶対誤差(MAE)は、それぞれ2.3%低、2.0K高である。
  論文  参考訳（メタデータ） (2020-02-26T06:10:12Z)
• 1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
  1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。 モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
  論文  参考訳（メタデータ） (2020-02-06T17:25:37Z)

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。