論文の概要: Enhancing Autism Spectrum Disorder Early Detection with the Parent-Child Dyads Block-Play Protocol and an Attention-enhanced GCN-xLSTM Hybrid Deep Learning Framework

• arxiv url: http://arxiv.org/abs/2408.16924v1
• Date: Thu, 29 Aug 2024 21:53:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-02 16:58:54.754884
• Title: Enhancing Autism Spectrum Disorder Early Detection with the Parent-Child Dyads Block-Play Protocol and an Attention-enhanced GCN-xLSTM Hybrid Deep Learning Framework
• Title（参考訳）: 親型ダイズブロックプレープロトコルと注意強化GCN-xLSTMハイブリッドディープラーニングフレームワークによる自閉症スペクトラム障害の早期検出
• Authors: Xiang Li, Lizhou Fan, Hanbo Wu, Kunping Chen, Xiaoxiao Yu, Chao Che, Zhifeng Cai, Xiuhong Niu, Aihua Cao, Xin Ma,
• Abstract要約: 本研究は,ASDと発達幼児を区別する行動パターンを識別するための,親子ダイズブロックプレイ(PCB)プロトコルを提案する。 40人のASDと89人のTD幼児が親とのブロックプレイに従事している。 このデータセットは、参加者の規模と個々のセッションの長さの両方に関する以前の取り組みを上回る。
• 参考スコア（独自算出の注目度）: 6.785167067600156
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Autism Spectrum Disorder (ASD) is a rapidly growing neurodevelopmental disorder. Performing a timely intervention is crucial for the growth of young children with ASD, but traditional clinical screening methods lack objectivity. This study introduces an innovative approach to early detection of ASD. The contributions are threefold. First, this work proposes a novel Parent-Child Dyads Block-Play (PCB) protocol, grounded in kinesiological and neuroscientific research, to identify behavioral patterns distinguishing ASD from typically developing (TD) toddlers. Second, we have compiled a substantial video dataset, featuring 40 ASD and 89 TD toddlers engaged in block play with parents. This dataset exceeds previous efforts on both the scale of participants and the length of individual sessions. Third, our approach to action analysis in videos employs a hybrid deep learning framework, integrating a two-stream graph convolution network with attention-enhanced xLSTM (2sGCN-AxLSTM). This framework is adept at capturing dynamic interactions between toddlers and parents by extracting spatial features correlated with upper body and head movements and focusing on global contextual information of action sequences over time. By learning these global features with spatio-temporal correlations, our 2sGCN-AxLSTM effectively analyzes dynamic human behavior patterns and demonstrates an unprecedented accuracy of 89.6\% in early detection of ASD. Our approach shows strong potential for enhancing early ASD diagnosis by accurately analyzing parent-child interactions, providing a critical tool to support timely and informed clinical decision-making.
• Abstract（参考訳）: 自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、急速に進行する神経発達障害である。 タイムリーな介入を行うことは、ASDを持つ幼児の成長に不可欠であるが、従来の臨床検査法には客観性が欠如している。 本研究では, ASD の早期検出に革新的なアプローチを導入する。 コントリビューションは3倍です。 まず, ASD と通常発達する(TD)幼児を区別する行動パターンを識別するために, キネシロジーおよび神経科学的研究を基盤とした新しい親子ダイズブロックプレイ(PCB)プロトコルを提案する。 第2に、親とのブロックプレイに携わる40人のASDと89人のTD幼児を対象とする、実質的なビデオデータセットを収集した。 このデータセットは、参加者の規模と個々のセッションの長さの両方に関する以前の取り組みを上回る。 第3に,ビデオにおけるアクション分析へのアプローチは,2ストリームグラフ畳み込みネットワークと注目強化xLSTM(2sGCN-AxLSTM)を統合したハイブリッドディープラーニングフレームワークを用いている。 この枠組みは, 幼児と両親の動的相互作用を, 上半身と頭部運動に相関した空間的特徴を抽出し, 時間とともに行動系列のグローバルな文脈情報に焦点をあてることによって捉えることができる。 我々の2sGCN-AxLSTMは,これらのグローバルな特徴を時空間相関で学習することにより,動的人間の行動パターンを効果的に解析し,早期のSD検出において89.6\%の精度を示す。 本手法は, 親子間相互作用を正確に解析し, 早期のASD診断を向上する可能性を示し, タイムリーかつインフォームドな臨床的意思決定を支援する重要なツールを提供する。

関連論文リスト

• Ensemble Modeling of Multiple Physical Indicators to Dynamically Phenotype Autism Spectrum Disorder [3.6630139570443996]
  自閉症スペクトラム障害(ASD)に関連する表現型マーカーを検出するためのコンピュータビジョンモデルをトレーニングするためのデータセットを提供する。 視線,頭位,顔のランドマークを入力として,LSTMを用いた個別モデルを訓練し,テストAUCは86%,67%,78%であった。
  論文  参考訳（メタデータ） (2024-08-23T17:55:58Z)
• Localizing Moments of Actions in Untrimmed Videos of Infants with Autism Spectrum Disorder [5.2289135066938375]
  乳児ビデオにおけるASD関連行動の同定を目的とした自己注意型TALモデルを提案する。 本研究は, 乳児の非トリミングビデオにおいて, エンド・ツー・エンドの時間的行動の局所化を初めて実施した症例である。 顔の70%の精度、顔の79%の精度、笑顔の72%、発声の65%を実現した。
  論文  参考訳（メタデータ） (2024-04-08T20:31:27Z)
• Cas-DiffCom: Cascaded diffusion model for infant longitudinal super-resolution 3D medical image completion [47.83003164569194]
  超高分解能・高分解能3次元乳児脳MRIにおける2段階拡散モデルCas-DiffComを提案する。 Cas-DiffCom は縦型乳幼児脳画像における個々の一貫性と高忠実度を両立することを確認した。
  論文  参考訳（メタデータ） (2024-02-21T12:54:40Z)
• Early Autism Diagnosis based on Path Signature and Siamese Unsupervised Feature Compressor [15.39635888144281]
  我々は, 早期自閉症診断のための, 未分化, クラス不均衡, 異種構造MR画像から重要な特徴を抽出する, 深層学習に基づく新しい手法を考案した。 具体的には、不足データを拡張するためのシームズ検証フレームワークと、データ不均衡を軽減するための教師なし圧縮機を提案する。
  論文  参考訳（メタデータ） (2023-07-12T22:08:22Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Vision-Based Activity Recognition in Children with Autism-Related Behaviors [15.915410623440874]
  臨床医や親が子どもの行動を分析するのに役立つ地域型コンピュータビジョンシステムの効果を実証する。 データは、ビデオ中の対象の子供を検出し、背景雑音の影響を低減することで前処理される。 時間的畳み込みモデルの有効性から,ビデオフレームから動作特徴を抽出できる軽量モデルと従来モデルの両方を提案する。
  論文  参考訳（メタデータ） (2022-08-08T15:12:27Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• 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 Smartphone-based System for Real-time Early Childhood Caries Diagnosis [76.71303610807156]
  6歳未満の小児では, 乳児期チャイナリー (ECC) が最も多いが, 予防可能な慢性疾患である。 本研究では,キャビティ検出のための多段階深層学習システムを提案する。 我々は、ディープラーニングシステムを、早期からECCを診断し、トレーニングされていないユーザにリアルタイムな結果を提供する、使い易いモバイルアプリケーションに統合する。
  論文  参考訳（メタデータ） (2020-08-17T21:11:19Z)
• 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)

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。