論文の概要: Recognizing Dementia from Neuropsychological Tests with State Space Models

• arxiv url: http://arxiv.org/abs/2507.10311v1
• Date: Mon, 14 Jul 2025 14:15:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:25.074151
• Title: Recognizing Dementia from Neuropsychological Tests with State Space Models
• Title（参考訳）: 状態空間モデルを用いた認知症と神経心理学的検査
• Authors: Liming Wang, Saurabhchand Bhati, Cody Karjadi, Rhoda Au, James Glass,
• Abstract要約: 認知症自動分類システム(ADC)は,これらの検査の音声記録から直接認知機能低下を推測することを目的としている。 状態空間モデルに基づく新しいADCフレームワークであるDemenbaを提案する。
• 参考スコア（独自算出の注目度）: 20.45041226362966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early detection of dementia is critical for timely medical intervention and improved patient outcomes. Neuropsychological tests are widely used for cognitive assessment but have traditionally relied on manual scoring. Automatic dementia classification (ADC) systems aim to infer cognitive decline directly from speech recordings of such tests. We propose Demenba, a novel ADC framework based on state space models, which scale linearly in memory and computation with sequence length. Trained on over 1,000 hours of cognitive assessments administered to Framingham Heart Study participants, some of whom were diagnosed with dementia through adjudicated review, our method outperforms prior approaches in fine-grained dementia classification by 21\%, while using fewer parameters. We further analyze its scaling behavior and demonstrate that our model gains additional improvement when fused with large language models, paving the way for more transparent and scalable dementia assessment tools. Code: https://anonymous.4open.science/r/Demenba-0861
• Abstract（参考訳）: 認知症の早期発見は、タイムリーな医療介入と患者の予後改善に重要である。 神経心理学的検査は認知評価に広く用いられているが、伝統的に手動のスコアリングに頼っていた。 認知症自動分類システム(ADC)は,これらの検査の音声記録から直接認知機能低下を推測することを目的としている。 状態空間モデルに基づく新しいADCフレームワークであるDemenbaを提案する。 フレイミングハム・ハート・スタディ(Framingham Heart Study)の参加者に1000時間以上の認知評価を指導し、そのうちのいくつかは偏見的評価によって認知症と診断された。 我々はさらにスケーリングの挙動を分析し、我々のモデルが大きな言語モデルと融合するとさらなる改善が得られ、より透明でスケーラブルな認知症評価ツールへの道を開くことを実証する。 コード:https://anonymous.4open.science/r/Demenba-0861

関連論文リスト

• AUTOCT: Automating Interpretable Clinical Trial Prediction with LLM Agents [47.640779069547534]
  AutoCTは、大規模言語モデルの推論能力と古典的な機械学習の説明可能性を組み合わせた、新しいフレームワークである。 臨床治験予測タスクにおいて, AutoCT は SOTA 法と同等以上の性能を示した。
  論文  参考訳（メタデータ） (2025-06-04T11:50:55Z)
• Two-Stage Representation Learning for Analyzing Movement Behavior Dynamics in People Living with Dementia [44.39545678576284]
  本研究では,認知症高齢者の在宅活動データを,2段階の自己指導型学習アプローチによって分析する。 第1段階は、時系列アクティビティを事前訓練された言語モデルによって符号化されたテキストシーケンスに変換する。 このPageRankベクトルは遅延状態遷移をキャプチャし、複雑な振る舞いデータを簡潔な形式に効果的に圧縮する。
  論文  参考訳（メタデータ） (2025-02-13T10:57:25Z)
• Dementia Classification Using Acoustic Speech and Feature Selection [0.3749861135832073]
  この研究は、モデル出力に基づいて特徴重要度スコアを計算するために、リッジ線形回帰、極小学習機械、線形支援ベクトル機械学習モデルを用いている。 本研究の結果は, 認知症診断において, 同じデータセットと音響的特徴抽出を用いた他の研究と比較して上位にランクされた。
  論文  参考訳（メタデータ） (2025-02-04T14:50:19Z)
• CognoSpeak: an automatic, remote assessment of early cognitive decline in real-world conversational speech [13.530437810265814]
  本稿では,CagnoSpeakとその関連データ収集について述べる。 CognoSpeakは、メモリ提供の長期的および短期的な質問を問うとともに、モバイルまたはWebプラットフォーム上で仮想エージェントを使用して認知タスクを管理する。 オーディオやビデオなどのマルチモーダルデータを収集し、プライマリケアやセカンダリケア、メモリクリニック、人々の家のようなリモート設定から豊富なメタデータを収集する。
  論文  参考訳（メタデータ） (2025-01-10T07:13:42Z)
• Alzheimer's Magnetic Resonance Imaging Classification Using Deep and Meta-Learning Models [2.4561590439700076]
  本研究では,最新のCNNを特徴とする深層学習技術を活用することで,アルツハイマー病(AD)のMRIデータを分類することに焦点を当てた。 アルツハイマー病は高齢者の認知症の主要な原因であり、徐々に認知機能障害を引き起こす不可逆的な脳疾患である。 将来、この研究は、信号、画像、その他のデータを含む他の種類の医療データを組み込むように拡張することができる。
  論文  参考訳（メタデータ） (2024-05-20T15:44:07Z)
• Unified Uncertainty Estimation for Cognitive Diagnosis Models [70.46998436898205]
  本稿では,幅広い認知診断モデルに対する統一的不確実性推定手法を提案する。 診断パラメータの不確かさをデータ・アスペクトとモデル・アスペクトに分解する。 本手法は有効であり,認知診断の不確実性に関する有用な知見を提供することができる。
  論文  参考訳（メタデータ） (2024-03-09T13:48:20Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
  アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。 本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
  論文  参考訳（メタデータ） (2022-10-29T09:18:41Z)
• 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)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)
• Comparing Natural Language Processing Techniques for Alzheimer's Dementia Prediction in Spontaneous Speech [1.2805268849262246]
  アルツハイマー認知症(英語: Alzheimer's Dementia、AD)は、認知機能に影響を与える不治の、不安定で進行性の神経変性疾患である。 自発音声タスクによるアルツハイマー認知は、ADの分類と予測のために、音響的に前処理とバランスの取れたデータセットを提供する。
  論文  参考訳（メタデータ） (2020-06-12T17:51:16Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。