論文の概要: Sensing technologies and machine learning methods for emotion recognition in autism: Systematic review
- arxiv url: http://arxiv.org/abs/2407.04712v1
- Date: Wed, 15 May 2024 19:48:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 16:25:52.687193
- Title: Sensing technologies and machine learning methods for emotion recognition in autism: Systematic review
- Title（参考訳）: 自閉症における感情認識のためのセンシング技術と機械学習手法:システムレビュー
- Authors: Oresti Banos, Zhoe Comas-González, Javier Medina, Aurora Polo-Rodríguez, David Gil, Jesús Peral, Sandra Amador, Claudia Villalonga,
- Abstract要約: 本研究は,自閉症におけるヒト感情認識(HER)システムの利用に関する文献をレビューする。
我々は,2020 PRISMAガイドラインに従って,2011年1月から2023年6月までに発行された記事の体系的レビューを行った。
- 参考スコア（独自算出の注目度）: 0.624304828756181
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Human Emotion Recognition (HER) has been a popular field of study in the past years. Despite the great progresses made so far, relatively little attention has been paid to the use of HER in autism. People with autism are known to face problems with daily social communication and the prototypical interpretation of emotional responses, which are most frequently exerted via facial expressions. This poses significant practical challenges to the application of regular HER systems, which are normally developed for and by neurotypical people. Objective: This study reviews the literature on the use of HER systems in autism, particularly with respect to sensing technologies and machine learning methods, as to identify existing barriers and possible future directions. Methods: We conducted a systematic review of articles published between January 2011 and June 2023 according to the 2020 PRISMA guidelines. Manuscripts were identified through searching Web of Science and Scopus databases. Manuscripts were included when related to emotion recognition, used sensors and machine learning techniques, and involved children with autism, young, or adults. Results: The search yielded 346 articles. A total of 65 publications met the eligibility criteria and were included in the review. Conclusions: Studies predominantly used facial expression techniques as the emotion recognition method. Consequently, video cameras were the most widely used devices across studies, although a growing trend in the use of physiological sensors was observed lately. Happiness, sadness, anger, fear, disgust, and surprise were most frequently addressed. Classical supervised machine learning techniques were primarily used at the expense of unsupervised approaches or more recent deep learning models.
- Abstract（参考訳）: 背景:HER(Human Emotion Recognition)は近年,広く研究されている分野である。
これまでのところ大きな進歩があったにもかかわらず、自閉症におけるHERの使用には比較的注意が払われていない。
自閉症の人々は、日々の社会的コミュニケーションや感情的反応の原型的解釈の問題に直面することが知られている。
これは、通常、神経型の人々のために開発される通常のHERシステムに適用するための重要な実践的課題である。
目的: 本研究は, 自閉症におけるHERシステムの利用, 特にセンサ技術や機械学習手法に関する文献をレビューし, 既存の障壁と今後の方向性を明らかにする。
方法:2020 PRISMAガイドラインに従って,2011年1月から2023年6月にかけて,論文の体系的レビューを行った。
文書は、Web of ScienceとScopusデータベースを検索することで識別された。
テキストは、感情認識、センサーと機械学習技術の使用、自閉症、若年者、成人の子どもたちに関するものが含まれていた。
結果: 調査の結果, 346項目が得られた。
65冊の出版物が適格基準を満たし、レビューに掲載された。
結論: 感情認識手法として, 主に表情技術を用いた研究。
その結果、ビデオカメラは、最近は生理的センサーの使用の増加傾向が観察されているものの、研究全体で最も広く使用されているデバイスであった。
幸福、悲しみ、怒り、恐怖、嫌悪、驚きが最も多かった。
古典的な教師なし機械学習技術は、主に教師なしのアプローチやより最近のディープラーニングモデルに費やされた。
関連論文リスト
- Generative Technology for Human Emotion Recognition: A Scope Review [11.578408396744237]
本調査は,2024年6月までに320以上の研究論文を総合的に分析し,既存の文献のギャップを埋めることを目的としている。
異なる生成モデルと一般的に使用されるデータセットの数学的原理を導入する。
様々なモダリティに基づいて、生成技術がどのように感情認識に対処するかを詳細に分析する。
論文 参考訳（メタデータ） (2024-07-04T05:22:55Z) - Love, Joy, and Autism Robots: A Metareview and Provocatype [0.0]
自閉症ロボットレビューのレビューを行い,自閉症者の第2位から第24位(25点中24点)の研究の方向性について検討した。
我々は、最新の自閉症研究、フェミニストHRI、ロボティクスの原理と発見に基づいて、役割の逆転を想像する。
論文 参考訳（メタデータ） (2024-03-08T07:01:12Z) - 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) - Hybrid Models for Facial Emotion Recognition in Children [0.0]
本稿では,遠隔操作型ロボットによる子どものセラピーの実践において,心理学者を支援するための感情認識技術の利用に焦点を当てた。
Embodied Conversational Agents (ECA) は、プロが社会的課題に直面している子供と繋がる手助けをする仲介ツールである。
論文 参考訳（メタデータ） (2023-08-24T04:20:20Z) - I am Only Happy When There is Light: The Impact of Environmental Changes
on Affective Facial Expressions Recognition [65.69256728493015]
本研究では,異なる画像条件が人間の表情からの覚醒の認識に与える影響について検討した。
以上の結果から,人間の感情状態の解釈が肯定的,否定的に大きく異なることが示唆された。
論文 参考訳（メタデータ） (2022-10-28T16:28:26Z) - Emotion Recognition for Healthcare Surveillance Systems Using Neural
Networks: A Survey [8.31246680772592]
本稿では、ニューラルネットワークを用いた感情認識の分野での最近の研究について述べる。
我々は、感情の認識を音声、表情、音声視覚入力から研究することに集中する。
これら3つの感情認識技術は、患者を監視するための医療センターの監視システムとして使用できる。
論文 参考訳（メタデータ） (2021-07-13T11:17:00Z) - Computational Emotion Analysis From Images: Recent Advances and Future
Directions [79.05003998727103]
本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。
心理学の一般的な感情表現モデルから始めます。
そして、研究者たちが解決しようとしている重要な計算問題を定義します。
論文 参考訳（メタデータ） (2021-03-19T13:33:34Z) - Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。
感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
論文 参考訳（メタデータ） (2021-03-01T08:31:08Z) - 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) - Emotion Recognition From Gait Analyses: Current Research and Future
Directions [48.93172413752614]
歩行はウォーカーの感情に関する情報を伝える
様々な感情と歩行パターンのマッピングは、感情の自動認識のための新しい情報源を提供する。
歩行は遠隔観察可能で 模倣が困難で 被験者との協力も少ない
論文 参考訳（メタデータ） (2020-03-13T08:22:33Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z)
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。