論文の概要: Exploring Gaze Pattern in Autistic Children: Clustering, Visualization, and Prediction
- arxiv url: http://arxiv.org/abs/2409.11744v1
- Date: Wed, 18 Sep 2024 06:56:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-19 19:00:08.036265
- Title: Exploring Gaze Pattern in Autistic Children: Clustering, Visualization, and Prediction
- Title（参考訳）: 自閉症児における視線パターンの探索 : クラスタリング,可視化,予測
- Authors: Weiyan Shi, Haihong Zhang, Jin Yang, Ruiqing Ding, YongWei Zhu, Kenny Tsu Wei Choo,
- Abstract要約: そこで本稿では, ASD 児の視線行動を自動的に精度良く解析する手法を提案する。
まず、7つのクラスタリングアルゴリズムを適用して、視線ポイントを自動的にグループ化し、一般的に発達しているASD被験者と比較する。
最後に,これらの特徴を事前知識として用いて,視線行動に基づいて複数の予測機械学習モデルをトレーニングし,ASDの予測と診断を行う。
- 参考スコア（独自算出の注目度）: 9.251838958621684
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Autism Spectrum Disorder (ASD) significantly affects the social and communication abilities of children, and eye-tracking is commonly used as a diagnostic tool by identifying associated atypical gaze patterns. Traditional methods demand manual identification of Areas of Interest in gaze patterns, lowering the performance of gaze behavior analysis in ASD subjects. To tackle this limitation, we propose a novel method to automatically analyze gaze behaviors in ASD children with superior accuracy. To be specific, we first apply and optimize seven clustering algorithms to automatically group gaze points to compare ASD subjects with typically developing peers. Subsequently, we extract 63 significant features to fully describe the patterns. These features can describe correlations between ASD diagnosis and gaze patterns. Lastly, using these features as prior knowledge, we train multiple predictive machine learning models to predict and diagnose ASD based on their gaze behaviors. To evaluate our method, we apply our method to three ASD datasets. The experimental and visualization results demonstrate the improvements of clustering algorithms in the analysis of unique gaze patterns in ASD children. Additionally, these predictive machine learning models achieved state-of-the-art prediction performance ($81\%$ AUC) in the field of automatically constructed gaze point features for ASD diagnosis. Our code is available at \url{https://github.com/username/projectname}.
- Abstract（参考訳）: 自閉症スペクトラム障害(ASD)は、子どもの社会的・コミュニケーション能力に大きく影響を与え、眼球追跡は、関連する非典型的視線パターンを特定することで診断ツールとして一般的に用いられる。
従来の手法では、視線パターンにおける関心領域のマニュアル識別が要求され、視線行動解析の性能が低下する。
そこで本研究では,ALD児の視線行動を自動的に精度良く解析する手法を提案する。
具体的には、まず7つのクラスタリングアルゴリズムを適用して、視線点を自動的にグループ化し、典型的に発達しているASD被験者と比較する。
その後、パターンを完全に記述するために63の重要な特徴を抽出する。
これらの特徴は、ASD診断と視線パターンの相関を記述できる。
最後に,これらの特徴を事前知識として用いて,視線行動に基づいて複数の予測機械学習モデルをトレーニングし,ASDの予測と診断を行う。
提案手法を評価するために,本手法を3つのASDデータセットに適用する。
ASD児における独特の視線パターンの分析におけるクラスタリングアルゴリズムの改善を実験的および可視化的に示す。
さらに、これらの予測機械学習モデルは、ASD診断のために自動構築された視線点特徴の分野において、最先端の予測性能(81\%$AUC)を達成した。
私たちのコードは \url{https://github.com/username/projectname} で利用可能です。
関連論文リスト
- Hugging Rain Man: A Novel Facial Action Units Dataset for Analyzing Atypical Facial Expressions in Children with Autism Spectrum Disorder [2.3001245059699014]
我々は,ASDと典型的発達(TD)の双方に対して,FACSの専門家が手動でアノテートした顔アクションユニット(AU)を含む,新しいデータセットHugging Rain Manを紹介する。
データセットには、ポーズと自発的な表情の豊富なコレクションが含まれており、合計で約130,000フレーム、22のAU、10のAction Descriptors(AD)、非定型評価が含まれている。
論文 参考訳（メタデータ） (2024-11-21T02:51:52Z) - Involution Fused ConvNet for Classifying Eye-Tracking Patterns of
Children with Autism Spectrum Disorder [1.225920962851304]
自閉症スペクトラム障害(ASD)は、診断が難しい複雑な神経疾患である。多くの研究では、ASDと診断された子供が注意範囲を維持し、焦点を絞った視力の低下に苦しむことが示されている。
視線追跡技術は、視線異常が自閉症の診断的特徴として認識されて以来、ASDの文脈で特に注目を集めてきた。
論文 参考訳（メタデータ） (2024-01-07T20:08:17Z) - Unraveling the "Anomaly" in Time Series Anomaly Detection: A
Self-supervised Tri-domain Solution [89.16750999704969]
異常ラベルは時系列異常検出において従来の教師付きモデルを妨げる。
自己教師型学習のような様々なSOTA深層学習技術がこの問題に対処するために導入されている。
自己教師型3領域異常検出器(TriAD)を提案する。
論文 参考訳（メタデータ） (2023-11-19T05:37:18Z) - Autism Spectrum Disorder Classification in Children based on Structural
MRI Features Extracted using Contrastive Variational Autoencoder [5.2927782596213]
自閉症スペクトラム障害(Autism spectrum disorder、ASD)は、患者に社会的相互作用能力の重大な障害をもたらす精神疾患である。
機械学習とニューロイメージング技術の発展に伴い、構造MRI(s-MRI)に基づくASDの機械分類に関する研究が盛んに行われている。
5歳未満の被験者に対するASDの機械分類を行う研究はほとんどないが、わずかに予測精度が低い。
論文 参考訳（メタデータ） (2023-07-03T12:46:19Z) - OpenNDD: Open Set Recognition for Neurodevelopmental Disorders Detection [16.36536069562694]
ASD支援診断のための新しいオープンセット認識フレームワーク(OpenNDD)を設計する。
NDDの強い類似性を考えると、Min-MaxスケーリングとMMS(Standardization)を組み合わせた共同スケーリング法を提案する。
OpenNDDは77.38%、AUROCは75.53%、オープンセットの分類率は59.43%という有望な性能を実現しています。
論文 参考訳（メタデータ） (2023-06-28T09:28:33Z) - Sequential Attention Source Identification Based on Feature
Representation [88.05527934953311]
本稿では,テンポラルシーケンスに基づくグラフ注意源同定(TGASI)と呼ばれるシーケンス・ツー・シーケンス・ベースのローカライズ・フレームワークを提案する。
なお、このインダクティブラーニングのアイデアは、TGASIが他の事前の知識を知らずに新しいシナリオのソースを検出できることを保証する。
論文 参考訳（メタデータ） (2023-06-28T03:00:28Z) - Screening Autism Spectrum Disorder in childrens using Deep Learning
Approach : Evaluating the classification model of YOLOv8 by comparing with
other models [0.0]
そこで本稿では,YoloV8モデルを用いた顔画像を用いたASDスクリーニングの実践的解決策を提案する。
分類の精度は89.64%、F1スコアは0.89。
論文 参考訳（メタデータ） (2023-06-25T18:02:01Z) - Exploiting the Brain's Network Structure for Automatic Identification of
ADHD Subjects [70.37277191524755]
我々は脳を機能的ネットワークとしてモデル化できることを示し,ADHD被験者と制御対象とではネットワークの特定の特性が異なることを示した。
776名の被験者で分類器を訓練し,ADHD-200チャレンジのために神経局が提供する171名の被験者を対象に試験を行った。
論文 参考訳（メタデータ） (2023-06-15T16:22:57Z) - Linking data separation, visual separation, and classifier performance
using pseudo-labeling by contrastive learning [125.99533416395765]
最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。
本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
論文 参考訳（メタデータ） (2023-02-06T10:01:38Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-06T13:10:37Z) - Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。
本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。
我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
論文 参考訳（メタデータ） (2020-06-06T06:48:40Z)
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。