論文の概要: Improving Autism Detection with Multimodal Behavioral Analysis
- arxiv url: http://arxiv.org/abs/2509.21352v1
- Date: Fri, 19 Sep 2025 13:08:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-29 20:57:53.857989
- Title: Improving Autism Detection with Multimodal Behavioral Analysis
- Title（参考訳）: マルチモーダル行動解析による自閉症検出の改善
- Authors: William Saakyan, Matthias Norden, Lola Eversmann, Simon Kirsch, Muyu Lin, Simon Guendelman, Isabel Dziobek, Hanna Drimalla,
- Abstract要約: 表情,音声韻律,頭部運動,心拍変動(HRV)および視線行動のマルチモーダル分析を行った。
分類精度は74%であり,複数のモダリティにまたがる行動マーカーの統合の有効性が示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Due to the complex and resource-intensive nature of diagnosing Autism Spectrum Condition (ASC), several computer-aided diagnostic support methods have been proposed to detect autism by analyzing behavioral cues in patient video data. While these models show promising results on some datasets, they struggle with poor gaze feature performance and lack of real-world generalizability. To tackle these challenges, we analyze a standardized video dataset comprising 168 participants with ASC (46% female) and 157 non-autistic participants (46% female), making it, to our knowledge, the largest and most balanced dataset available. We conduct a multimodal analysis of facial expressions, voice prosody, head motion, heart rate variability (HRV), and gaze behavior. To address the limitations of prior gaze models, we introduce novel statistical descriptors that quantify variability in eye gaze angles, improving gaze-based classification accuracy from 64% to 69% and aligning computational findings with clinical research on gaze aversion in ASC. Using late fusion, we achieve a classification accuracy of 74%, demonstrating the effectiveness of integrating behavioral markers across multiple modalities. Our findings highlight the potential for scalable, video-based screening tools to support autism assessment.
- Abstract（参考訳）: 自閉症スペクトラム条件(ASC)の診断には複雑で資源集約的な性質があるため,患者ビデオデータから行動手がかりを解析して自閉症を検出するコンピュータ支援診断支援法が提案されている。
これらのモデルはいくつかのデータセットで有望な結果を示すが、視界の悪い特徴性能と現実の一般化性の欠如に苦慮している。
これらの課題に対処するために、ASC(168名、女性46%)と非自閉症(157名、女性46%)からなる標準化されたビデオデータセットを分析し、我々の知る限り、最も大きく、最もバランスの取れたデータセットである。
表情,音声韻律,頭部運動,心拍変動(HRV),視線行動のマルチモーダル分析を行った。
先行視線モデルの限界に対処するため,目視角の変動を定量化し,視線に基づく分類精度を64%から69%に改善し,計算結果とASCの視線反転に関する臨床研究を整合させる新しい統計記述子を導入する。
レイトフュージョンを用いた分類精度は74%であり,複数のモーダルにまたがる行動マーカーの統合の有効性が示された。
我々の研究は、自閉症評価をサポートするスケーラブルなビデオベースのスクリーニングツールの可能性を強調した。
関連論文リスト
- Bi-cephalic self-attended model to classify Parkinson's disease patients with freezing of gait [2.8658669653771334]
本研究の目的は,PD患者の歩行障害を検出するための客観的,データ駆動型,マルチモーダル分類モデルを開発することである。
静止状態脳波と記述変数から抽出した特徴を、新しい二頭性自己注意モデル(BiSAM)の訓練に用いた。
論文 参考訳（メタデータ） (2025-07-28T14:16:01Z) - MIL vs. Aggregation: Evaluating Patient-Level Survival Prediction Strategies Using Graph-Based Learning [52.231128973251124]
我々は,WSIおよび患者レベルでの生存を予測するための様々な戦略を比較した。
前者はそれぞれのWSIを独立したサンプルとして扱い、他の作業で採用された戦略を模倣します。
後者は、複数のWSIの予測を集約するか、最も関連性の高いスライドを自動的に識別するメソッドを含む。
論文 参考訳（メタデータ） (2025-03-29T11:14:02Z) - Congenital Heart Disease Classification Using Phonocardiograms: A Scalable Screening Tool for Diverse Environments [34.10187730651477]
先天性心疾患(CHD)は早期発見を必要とする重要な疾患である。
本研究では, 心電図(PCG)信号を用いたCHD検出のための深層学習モデルを提案する。
バングラデシュの一次データセットを含むいくつかのデータセットで、我々のモデルを評価した。
論文 参考訳（メタデータ） (2025-03-28T05:47:44Z) - Urinary Tract Infection Detection in Digital Remote Monitoring: Strategies for Managing Participant-Specific Prediction Complexity [43.108040967674185]
尿路感染症(UTIs)は特に認知症(PLWD)の患者にとって重要な健康上の問題である
この研究は、PLWDのUTIを検出する機械学習(ML)を利用した以前の研究に基づいている。
論文 参考訳（メタデータ） (2025-02-18T12:01:55Z) - Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction [45.89562183034469]
既存のディープラーニング診断予測モデルと本質的な解釈性は、過去の診断や病院訪問の度に注意重みを割り当てることが多い。
我々は、パーソナライズされた簡潔で忠実な説明を提供するように設計された、自己説明型ハイパーグラフニューラルネットワークモデルSHyを紹介する。
SHyは高次疾患の相互作用を捉え、パーソナライズされた説明として異なる時間的表現型を抽出する。
論文 参考訳（メタデータ） (2025-02-15T06:33:02Z) - Towards Equitable ASD Diagnostics: A Comparative Study of Machine and Deep Learning Models Using Behavioral and Facial Data [2.6353853440763113]
自閉症スペクトラム障害(ASD)は性差によって診断されることが多い。
本研究では, 機械学習モデル, 特にランダムフォレストと畳み込みニューラルネットワークを評価し, ASD 診断の精度を高める。
論文 参考訳（メタデータ） (2024-11-08T05:26:04Z) - Ensemble Modeling of Multiple Physical Indicators to Dynamically Phenotype Autism Spectrum Disorder [3.6630139570443996]
自閉症スペクトラム障害(ASD)に関連する表現型マーカーを検出するためのコンピュータビジョンモデルをトレーニングするためのデータセットを提供する。
視線,頭位,顔のランドマークを入力として,LSTMを用いた個別モデルを訓練し,テストAUCは86%,67%,78%であった。
論文 参考訳（メタデータ） (2024-08-23T17:55:58Z) - MADE-for-ASD: A Multi-Atlas Deep Ensemble Network for Diagnosing Autism Spectrum Disorder [4.7377709803078325]
本稿では,従来の診断手法と潜在的な自動化ソリューションのギャップを埋める。
我々は,脳の機能的磁気共鳴画像(fMRI)データの複数のアトラスを統合するマルチアトラスディープアンサンブルネットワーク,MADE-for-ASDを提案する。
提案手法は,ASD診断性能を向上させるための予測ワークフローに,人口統計情報を統合する。
論文 参考訳（メタデータ） (2024-07-09T17:49:23Z) - Methodology and Real-World Applications of Dynamic Uncertain Causality Graph for Clinical Diagnosis with Explainability and Invariance [41.373856519548404]
Dynamic Uncertain Causality Graph (DUCG)アプローチは、さまざまなアプリケーションシナリオで因果性駆動、説明可能、不変である。
54件の主訴を含む46件のDUCGモデルが製造された。
実際の診断は100万件以上行われており、誤診断は17例に過ぎなかった。
論文 参考訳（メタデータ） (2024-06-09T11:37:45Z) - Diagnosing Human-object Interaction Detectors [42.283857276076596]
本稿では,HOI検出モデルの定量的なブレークダウン解析を行うための診断ツールボックスを提案する。
我々は8つの最先端HOI検出モデルを分析し、今後の研究を促進する貴重な診断洞察を提供する。
論文 参考訳（メタデータ） (2023-08-16T17:39:15Z)
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。