論文の概要: Graphomotor and Handwriting Disabilities Rating Scale (GHDRS):towards complex and objective assessment
- arxiv url: http://arxiv.org/abs/2405.17886v1
- Date: Tue, 28 May 2024 07:09:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-29 19:57:23.589003
- Title: Graphomotor and Handwriting Disabilities Rating Scale (GHDRS):towards complex and objective assessment
- Title（参考訳）: グラフモタと手書き障害評価尺度(GHDRS: Graphomotor and Handwriting Disabilities Rating Scale) : 複雑で客観的な評価
- Authors: Jiri Mekyska, Katarina Safarova, Tomas Urbanek, Jirina Bednarova, Vojtech Zvoncak, Jana Marie Havigerova, Lukas Cunek, Zoltan Galaz, Jan Mucha, Christine Klauszova, Marcos Faundez-Zanuy, Miguel A. Ferrer, Moises Diaz,
- Abstract要約: 本研究の目的は,GDとHDの客観的診断と評価を可能にする新しい尺度(GS Graphomotor and Handwriting Disabilities Rating Scale)を導入することである。
GS設計の方法論の全体は、他の言語に適応できるように、極大に透明にされている。
- 参考スコア（独自算出の注目度）: 2.30431571525465
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Graphomotor and handwriting disabilities (GD and HD, respectively) could significantly reduce children's quality of life. Effective remediation depends on proper diagnosis; however, current approaches to diagnosis and assessment of GD and HD have several limitations and knowledge gaps, e.g. they are subjective, they do not facilitate identification of specific manifestations, etc. The aim of this work is to introduce a new scale (GHDRS Graphomotor and Handwriting Disabilities Rating Scale) that will enable experts to perform objective and complex computeraided diagnosis and assessment of GD and HD. The scale supports quantification of 17 manifestations associated with the process/product of drawing/ handwriting. The whole methodology of GHDRS design is made maximally transparent so that it could be adapted for other languages.
- Abstract（参考訳）: グラフモタと手書き障害(それぞれGDとHD)は、子供の生活の質を著しく低下させる可能性がある。
効果的な治療は適切な診断に依存するが、GDとHDの診断と評価への現在のアプローチにはいくつかの限界と知識ギャップがある。
本研究の目的は,GHDRS Graphomotor and Handwriting Disabilities Rating Scale (GHDRS Graphomotor and Handwriting Disabilities Rating Scale) を導入することである。
この尺度は、描画/手書きのプロセス/製品に関連する17のマニフェストの定量化をサポートする。
GHDRS設計の方法論の全体は、他の言語に適応できるように、極大に透明にされている。
関連論文リスト
- Towards Accessible Learning: Deep Learning-Based Potential Dysgraphia Detection and OCR for Potentially Dysgraphic Handwriting [1.9575346216959502]
図形障害(Dysgraphia)は、手書き能力に影響を与える学習障害である。
早期検出とモニタリングは、タイムリーなサポートと介入を提供するために不可欠である。
本研究では、ディープラーニング技術を用いて、ディジグラフィ検出と光学的文字認識の2つの課題に対処する。
論文 参考訳（メタデータ） (2024-11-18T13:28:26Z) - Explainable AI in Handwriting Detection for Dyslexia Using Transfer Learning [0.0]
本稿では,手書き解析による失読症検出のための説明可能なAI(XAI)フレームワークを提案する。
我々の手法は最先端の手法を超越し、試験精度は0.9958である。
この枠組みは診断精度を向上するだけでなく、教育者、臨床医、両親の信頼と理解を促進する。
論文 参考訳（メタデータ） (2024-10-18T11:14:54Z) - Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - Multimodal brain age estimation using interpretable adaptive
population-graph learning [58.99653132076496]
下流タスクに最適化された人口グラフ構造を学習するフレームワークを提案する。
注意機構は、画像と非画像の特徴のセットに重みを割り当てる。
グラフ構築において最も重要な注意重みを可視化することにより、グラフの解釈可能性を高める。
論文 参考訳（メタデータ） (2023-07-10T15:35:31Z) - Dynamic Graph Enhanced Contrastive Learning for Chest X-ray Report
Generation [92.73584302508907]
コントラスト学習を用いた医療レポート作成を支援するために,動的構造とノードを持つ知識グラフを提案する。
詳しくは、グラフの基本構造は一般知識から事前構築される。
各イメージ機能は、レポート生成のためにデコーダモジュールに入力する前に、独自の更新グラフに統合される。
論文 参考訳（メタデータ） (2023-03-18T03:53:43Z) - Prodromal Diagnosis of Lewy Body Diseases Based on the Assessment of
Graphomotor and Handwriting Difficulties [0.0]
我々は,各タスクの分類モデルと組み合わせのモデルとを別々に訓練し,LBDの識別のための特徴の予測能力を推定した。
74%の精度でプロドロマ性LBDを同定し,コンピュータ化目的および非侵襲的LBD診断の可能性を示した。
論文 参考訳（メタデータ） (2023-01-20T12:30:28Z) - Automated Systems For Diagnosis of Dysgraphia in Children: A Survey and
Novel Framework [2.326866956890798]
学習障害は主に読書、文章、数学などの基本的な学習スキルに干渉し、世界の子供の約10%に影響することが知られている。
神経発達障害としての運動能力の低下と運動調整は、書字の難しさの因果となりうる(図)
失読症の徴候や症状は、不規則な筆跡、筆記媒体の不適切な扱い、遅やかに書き直し、異常な手の位置などに限定されない。
論文 参考訳（メタデータ） (2022-06-27T04:44:34Z) - A Self-Guided Framework for Radiology Report Generation [10.573538773141715]
SGF(Self-Guided framework)は、注釈付き疾患ラベルによる医療報告を生成するために開発されたフレームワークである。
SGFは、人間の学習と執筆の過程を模倣するために、教師なしおよび教師なしのディープラーニング手法を使用している。
提案手法は,単語間の細粒度視覚的詳細を識別するためのフレームワークの能力を強調した。
論文 参考訳（メタデータ） (2022-06-19T11:09:27Z) - Factored Attention and Embedding for Unstructured-view Topic-related
Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。
提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文 参考訳（メタデータ） (2022-03-12T15:24:03Z) - Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue
Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。
また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文 参考訳（メタデータ） (2020-12-22T13:20:23Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳（メタデータ） (2020-08-22T07:48:04Z)
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。