論文の概要: Developing a Dyslexia Indicator Using Eye Tracking

• arxiv url: http://arxiv.org/abs/2506.11004v1
• Date: Mon, 21 Apr 2025 09:33:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-22 23:32:14.457842
• Title: Developing a Dyslexia Indicator Using Eye Tracking
• Title（参考訳）: 視線追跡によるディプレクシア指標の開発
• Authors: Kevin Cogan, Vuong M. Ngo, Mark Roantree,
• Abstract要約: 本稿では,早期失読症検出のための費用対効果として,機械学習アルゴリズムと組み合わせた視線追跡技術の有効性について検討する。 ランダムフォレストはその後、ディプレックス症を検知するために使われ、88.58%の精度を達成した。
• 参考スコア（独自算出の注目度）: 0.5898893619901381
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dyslexia, affecting an estimated 10% to 20% of the global population, significantly impairs learning capabilities, highlighting the need for innovative and accessible diagnostic methods. This paper investigates the effectiveness of eye-tracking technology combined with machine learning algorithms as a cost-effective alternative for early dyslexia detection. By analyzing general eye movement patterns, including prolonged fixation durations and erratic saccades, we proposed an enhanced solution for determining eye-tracking-based dyslexia features. A Random Forest Classifier was then employed to detect dyslexia, achieving an accuracy of 88.58\%. Additionally, hierarchical clustering methods were applied to identify varying severity levels of dyslexia. The analysis incorporates diverse methodologies across various populations and settings, demonstrating the potential of this technology to identify individuals with dyslexia, including those with borderline traits, through non-invasive means. Integrating eye-tracking with machine learning represents a significant advancement in the diagnostic process, offering a highly accurate and accessible method in clinical research.
• Abstract（参考訳）: 世界人口の10%から20%に影響を及ぼすDyslexiaは、学習能力を著しく低下させ、革新的でアクセス可能な診断方法の必要性を強調している。 本稿では,早期失読症検出のための費用対効果として,機械学習アルゴリズムと組み合わせた視線追跡技術の有効性について検討する。 眼球運動パターンを解析し, 眼球運動の長期化と難治性ササードを解析し, 視線追跡に基づく視線失調症の特徴を判定するための拡張解法を提案した。 その後、ランダムフォレスト分類器を用いてディプレックス症を検知し、88.58\%の精度を達成した。 さらに, 種々の重症度を同定するために階層的クラスタリング法を適用した。 この分析は、様々な集団や環境に多様な方法論を組み込んでおり、非侵襲的な手段を通じて、国境線特性を持つ人を含む、失読症の個人を識別するこの技術の可能性を実証している。 視線追跡と機械学習を統合することは、臨床研究において高度に正確かつアクセス可能な方法を提供する、診断プロセスにおける重要な進歩である。

関連論文リスト

• Explainable AI in Handwriting Detection for Dyslexia Using Transfer Learning [0.0]
  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。
  論文  参考訳（メタデータ） (2024-10-18T11:14:54Z)
• Benchmarking Reliability of Deep Learning Models for Pathological Gait Classification [2.1548132286330453]
  最近研究者たちは、機械学習アルゴリズムの進歩を活用して、歩行変化の症状を検出することを試みた。 本稿では,翻訳を阻害するギャップを同定するための既存手法について分析する。 我々は,複数の病的歩行のカテゴリを確実に区別できるAMS-GCN (Asynchronous Multi-Stream Graph Convolutional Network) という強力なベースラインを提案する。
  論文  参考訳（メタデータ） (2024-09-20T16:47:45Z)
• Leveraging Semi-Supervised Graph Learning for Enhanced Diabetic Retinopathy Detection [0.0]
  糖尿病網膜症(DR: Diabetic Retinopathy)は、早期発見と治療の急激な必要性を浮き彫りにしている。 機械学習(ML)技術の最近の進歩は、DR検出における将来性を示しているが、ラベル付きデータの可用性は、しばしばパフォーマンスを制限している。 本研究では,DR検出に適したSemi-Supervised Graph Learning SSGLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-02T04:42:08Z)
• Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
  緑内障は世界中で不可逆的な盲目の原因となっている。 コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。 眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
  論文  参考訳（メタデータ） (2023-07-31T09:49:51Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)

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。