論文の概要: Explainable AI in Handwriting Detection for Dyslexia Using Transfer Learning

• arxiv url: http://arxiv.org/abs/2410.19821v2
• Date: Tue, 17 Dec 2024 22:40:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-19 13:24:15.290394
• 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: このフレームワークはトランスファーラーニングとトランスフォーマーベースのモデルを統合し、ディフレキシアに関連する手書きの特徴を識別する。 異なる言語や書記システムへの適応性は、グローバルな適用可能性を示している。 この知見は、早期発見を支援し、ステークホルダ信頼を構築し、パーソナライズされた教育戦略を可能にするフレームワークの能力を強調した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study introduces an explainable AI (XAI) framework for the detection of dyslexia through handwriting analysis, achieving an impressive test precision of 99.65%. The framework integrates transfer learning and transformer-based models, identifying handwriting features associated with dyslexia while ensuring transparency in decision-making via Grad-CAM visualizations. Its adaptability to different languages and writing systems underscores its potential for global applicability. By surpassing the classification accuracy of state-of-the-art methods, this approach demonstrates the reliability of handwriting analysis as a diagnostic tool. The findings emphasize the framework's ability to support early detection, build stakeholder trust, and enable personalized educational strategies.
• Abstract（参考訳）: 本研究は,手書き解析による失読症検出のための説明可能なAI(XAI)フレームワークを導入し,99.65%の精度を達成した。 このフレームワークはトランスファーラーニングとトランスフォーマーベースのモデルを統合し、ディフレキシアに関連する手書きの特徴を特定し、Grad-CAM視覚化による意思決定の透明性を確保する。 異なる言語や書記システムへの適応性は、グローバルな適用可能性を示している。 最先端手法の分類精度を超越して, 診断ツールとしての筆跡解析の信頼性を示す。 この知見は、早期発見を支援し、ステークホルダ信頼を構築し、パーソナライズされた教育戦略を可能にするフレームワークの能力を強調した。

関連論文リスト

• Devising a Set of Compact and Explainable Spoken Language Feature for Screening Alzheimer's Disease [52.46922921214341]
  アルツハイマー病(AD)は高齢化社会において最も重要な健康問題の一つとなっている。 我々は,大言語モデル(LLM)とTF-IDFモデルの視覚的機能を活用する,説明可能な効果的な機能セットを考案した。 当社の新機能は、自動ADスクリーニングの解釈可能性を高めるステップバイステップで説明し、解釈することができる。
  論文  参考訳（メタデータ） (2024-11-28T05:23:22Z)
• 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)
• Investigating the Effectiveness of Explainability Methods in Parkinson's Detection from Speech [13.700867213652648]
  パーキンソン病(PD)の音声障害は早期診断に重要な指標となる。 音声によるPD検出のモデルは高い性能を示したが、その解釈可能性はまだ未検討である。 本研究は,PD特有の音声特徴を特定するためのいくつかの説明可能性手法を体系的に評価する。
  論文  参考訳（メタデータ） (2024-11-12T18:43:27Z)
• Dynamically enhanced static handwriting representation for Parkinson's disease detection [8.26914435242875]
  パーキンソン病(PD)の評価の文脈において、手書き文字は特別な役割を果たす。 本稿では,手書き文字の「動的に強化された」静的画像の識別能力について検討する。
  論文  参考訳（メタデータ） (2024-05-22T08:28:42Z)
• Handwriting Anomalies and Learning Disabilities through Recurrent Neural Networks and Geometric Pattern Analysis [0.0]
  本研究では、高度な幾何学的パターンとリカレントニューラルネットワーク(RNN)を用いて、失読と失読を示す手書き異常を同定する。 書き起こしはまず標準化され、次にベースラインのずれ、文字の接続性、ストロークの厚さ、その他の異常に焦点を当てた特徴抽出が続く。 最初の結果は、このRNNモデルが、ジストレキシーとジストニアを併用して、最先端の性能を達成する能力を示した。
  論文  参考訳（メタデータ） (2024-05-12T10:10:13Z)
• MLIP: Enhancing Medical Visual Representation with Divergence Encoder and Knowledge-guided Contrastive Learning [48.97640824497327]
  本稿では、画像テキストのコントラスト学習を通じて、言語情報を視覚領域に統合するための案内信号として、ドメイン固有の医療知識を活用する新しいフレームワークを提案する。 我々のモデルには、設計した分散エンコーダによるグローバルコントラスト学習、局所トークン・知識・パッチアライメントコントラスト学習、知識誘導型カテゴリレベルのコントラスト学習、エキスパートナレッジによるコントラスト学習が含まれる。 特に、MLIPは、限られた注釈付きデータであっても最先端の手法を超越し、医療表現学習の進歩におけるマルチモーダル事前学習の可能性を強調している。
  論文  参考訳（メタデータ） (2024-02-03T05:48:50Z)
• Automatic Assessment of Oral Reading Accuracy for Reading Diagnostics [9.168525887419388]
  Kaldi と Whisper を用いて,オランダ語読解精度を自動評価するための6つの最先端 ASR システムの評価を行った。 その結果、我々の最も成功したシステムは人的評価と実質的な合意に達した。
  論文  参考訳（メタデータ） (2023-06-06T06:49:58Z)
• Learning to Decompose Visual Features with Latent Textual Prompts [140.2117637223449]
  視覚言語モデルを改善するために,Decomposed Feature Prompting (DeFo)を提案する。 我々の実証研究は、視覚言語モデルを改善する上でDeFoが重要であることを示している。
  論文  参考訳（メタデータ） (2022-10-09T15:40:13Z)
• 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)
• Lexically Aware Semi-Supervised Learning for OCR Post-Correction [90.54336622024299]
  世界中の多くの言語における既存の言語データの多くは、非デジタル化された書籍や文書に閉じ込められている。 従来の研究は、あまり良くない言語を認識するためのニューラル・ポスト・コレクション法の有用性を実証してきた。 そこで本研究では,生画像を利用した半教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-11-04T04:39:02Z)
• Morphologically Aware Word-Level Translation [82.59379608647147]
  本稿では,バイリンガルレキシコン誘導のための新しい形態素認識確率モデルを提案する。 我々のモデルは、レキセメが意味の鍵となる語彙単位であるという基本的な言語的直観を生かしている。
  論文  参考訳（メタデータ） (2020-11-15T17:54:49Z)

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。