論文の概要: Explainable AI in Handwriting Detection for Dyslexia Using Transfer Learning
- arxiv url: http://arxiv.org/abs/2410.19821v1
- Date: Fri, 18 Oct 2024 11:14:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-03 07:49:41.651186
- Title: Explainable AI in Handwriting Detection for Dyslexia Using Transfer Learning
- Title（参考訳）: 転写学習を用いた失読症手書き検出における説明可能なAI
- Authors: Mahmoud Robaa, Mazen Balat, Rewaa Awaad, Esraa Omar, Salah A. Aly,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Dyslexia is one of the most common learning disorders, often characterized by distinct features in handwriting. Early detection is essential for effective intervention. In this paper, we propose an explainable AI (XAI) framework for dyslexia detection through handwriting analysis, utilizing transfer learning and transformer-based models. Our approach surpasses state-of-the-art methods, achieving a test accuracy of 0.9958, while ensuring model interpretability through Grad-CAM visualizations that highlight the critical handwriting features influencing model decisions. The main contributions of this work include the integration of XAI for enhanced interpretability, adaptation to diverse languages and writing systems, and demonstration of the method's global applicability. This framework not only improves diagnostic accuracy but also fosters trust and understanding among educators, clinicians, and parents, supporting earlier diagnoses and the development of personalized educational strategies.
- Abstract（参考訳）: ディスレキシアは最も一般的な学習障害の1つであり、しばしば筆跡の異なる特徴によって特徴づけられる。
早期発見は効果的な介入に不可欠である。
本稿では,手書き解析によるディフレキシア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。
提案手法は最先端の手法を超越し,テスト精度0.9958を達成し,モデル決定に影響を与える重要な手書き機能を強調したGrad-CAMビジュアライゼーションによるモデルの解釈性を確保する。
この研究の主な貢献は、解釈可能性の向上のためのXAIの統合、多様な言語や書記システムへの適応、および方法のグローバルな適用性の実証である。
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し、早期診断とパーソナライズされた教育戦略の開発を支援する。
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) - Script-centric behavior understanding for assisted autism spectrum disorder diagnosis [6.198128116862245]
本研究は,コンピュータビジョン技術と大規模言語モデル(LLM)を用いて,自閉症スペクトラム障害(ASD)を自動的に検出することに焦点を当てる。
我々のパイプラインは、動画コンテンツを文字の振る舞いを記述したスクリプトに変換し、大きな言語モデルの一般化性を活用してゼロショットまたは少数ショットでSDを検出する。
平均年齢24か月の小児におけるASDの診断精度は92.00%であり,教師あり学習法の性能は3.58%以上である。
論文 参考訳（メタデータ） (2024-11-14T13:07:19Z) - Unsupervised Model Diagnosis [49.36194740479798]
本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。
提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
論文 参考訳（メタデータ） (2024-10-08T17:59:03Z) - Multimodal Ensemble with Conditional Feature Fusion for Dysgraphia Diagnosis in Children from Handwriting Samples [0.7671590907056449]
発達障害 (Developmental dysgraphia) は、小児の筆記能力を妨げる神経疾患である。
オンラインとオフラインの両方の手書きデータを利用した新しいマルチモーダル機械学習手法を提案する。
提案手法は88.8%の精度を達成し,SVMを12-14%上回った。
論文 参考訳（メタデータ） (2024-08-25T07:42:54Z) - Explainable AI in Diagnosing and Anticipating Leukemia Using Transfer
Learning Method [0.0]
本研究は,小児および10代に流行する急性リンパ芽球性白血病(ALL)に焦点をあてる。
ディープラーニング技術を活用したコンピュータ支援診断(CAD)モデルを用いた自動検出手法を提案する。
提案手法は98.38%の精度を達成し、他の試験モデルよりも優れていた。
論文 参考訳（メタデータ） (2023-12-01T10:37:02Z) - 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) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳（メタデータ） (2023-08-31T00:36:10Z) - Exploring linguistic feature and model combination for speech
recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。
専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。
本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文 参考訳（メタデータ） (2022-06-28T05:09:01Z) - 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) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z) - 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)
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。