論文の概要: Detecting Agitation Before Behavioral Escalation in Autistic Youth Through Multimodal Wearable Sensing
- arxiv url: http://arxiv.org/abs/2609.24791v2
- Date: Fri, 25 Sep 2026 14:56:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.030025
- Title: Detecting Agitation Before Behavioral Escalation in Autistic Youth Through Multimodal Wearable Sensing
- Title（参考訳）: マルチモーダルウェアラブルセンシングによる自閉症青年の行動エスカレーション前の興奮の検出
- Abstract要約: 動揺は運動、発声、自律神経刺激を通じて表される苦悩の上昇状態である。
4つの事前訓練された基礎モデル、ひとつはモジュラリティであり、それぞれが共有された128次元空間に射影し、それらを単一の群モデルに融合する。
オフスクラッチ構成は0.58にしか達しなかったが、凍結して微調整された特徴は比較可能であった。
- 参考スコア（独自算出の注目度）: 0.944761260883793
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Challenging behaviors including aggression, self-injury, and property destruction are observed in 68% of autistic youth and pose risks to youth and caregivers. These episodes are preceded by agitation, a rising state of distress expressed through movement, vocalization, and autonomic arousal. Its signs are subtle and individualized, and its autonomic components are invisible without instrumentation. We collected upper-body movement from inertial measurement units, physiology from a wrist-worn device, and vocalizations from lapel microphones across 30 clinician-led sessions with 15 autistic youth, paired with expert behavioral annotations. We adapt four pretrained foundation models, one per modality, project each to a shared 128-dimensional space, and fuse them into a single group model. The model detected agitation with an area under the ROC curve of 0.724 at the clinician-annotated onset (within-participant permutation p=0.0005), declining to 0.608 at 30,s before onset. Thirteen of fifteen participants were above chance. A from-scratch configuration reached only 0.58, while frozen and fine-tuned features performed comparably (0.71 and 0.72). Audio contributed most of the signal, and a watch-only configuration stayed near chance. Individualized agitation is therefore detectable, including in unannotated windows preceding the annotated onset, using foundation-model transfer with one shared model rather than one per child.
- Abstract（参考訳）: 自閉症若年者の68%には、攻撃性、自己傷害、財産破壊などの集中行動が観察され、若年者や介護者にリスクが生じる。
これらのエピソードは扇動、運動、発声、自律的覚醒によって表される苦悩の状態の上昇によって先行する。
その兆候は微妙で個人化されており、その自律的な構成要素は計器なしでは見えない。
知的若年者15名を対象に, 慣性測定装置から上体運動, 手首装着装置から生理学, ラッパーマイクからの発声を30回, 自閉症若年者15名, 専門的行動アノテーションと組み合わせて収集した。
我々は4つの事前訓練された基礎モデルを適用し、1つのモードごとにそれぞれ128次元の共有空間に投影し、それらを1つの群モデルに融合する。
このモデルでは、クリニカル・アノテート・イン・パーティシカント・パーミューテーション (p=0.0005) において、ROC曲線の0.724の領域で動揺を検出し、30秒前に0.608まで低下した。
参加者は13名に上った。
オフスクラッチ構成は0.58にしか達しなかったが、冷凍・微調整が可能である(0.71と0.72)。
オーディオは信号の大半に寄与し、時計のみの構成がほぼ偶然に残った。
そのため、個別の扇動は検出可能であり、アノテーション付きオンセットに先行する未注釈ウィンドウでは、子1人ではなく1つの共有モデルで基礎モデル転送を使用する。
関連論文リスト
- Open ultrasound foundation model for robust segmentation and clinical measurement across heterogeneous settings [66.3653308198376]
SonoCorpusは、24の臨床応用と17の国にまたがる53のパブリックデータセットから、456,963のイメージと1,626,085のエキスパートマスクを統合するオープンリソースである。
SonoBaseは、事前にトレーニングされたインタラクティブセグメンテーション基盤モデルである。
論文 参考訳（メタデータ） (2026-09-16T15:34:21Z) - Evaluation Awareness Is Not One Capability: Evidence from Open Language Models [1.758143872501506]
安全ベンチマークは、テスト条件の振る舞いがデプロイメントの振る舞いを予測すると仮定する。
これにより、ベンチマークパフォーマンスとデプロイメントの動作のギャップが開ける。
我々は、37のオープンウェイトモデルと7つのファミリーにわたる8つの実験を通して、この評価意識を特徴づける。
論文 参考訳（メタデータ） (2026-06-22T16:48:43Z) - Let the Results Speak: A Replication-First Paradigm for LLM Behavioral Benchmarking [22.825786049667602]
本稿では,1つのヒト・ラタのコンセンサスに有効性を確保するために,複製第一パラダイムを提案する。
楽器を4つの特性で認証する - Kランの信頼性、アーキテクチャ的に異なる審査員間のクロスインストラクトレプリケーション、以前のトレーニングコホートからの審査員による歴史的フットプリントキャリブレーション、事前登録された予測。
本研究は, 自己発達型データ駆動による情緒的伴奏で, 次元は事前に決められず, 手順は9次元に安定化する。
論文 参考訳（メタデータ） (2026-05-27T03:41:11Z) - ASD-Bench: A Four-Axis Comprehensive Benchmark of AI Models for Autism Spectrum Disorder [0.0]
ASD-Benchは、ML、ディープラーニング、基礎モデルの構成を3つの年齢コホートで評価する体系的なベンチマークである。
4,068 AQ-10レコードのキュレートされたv3データセットに適用する。
成人分類では,10/17モデルでF1とAUCを達成し,青年期ではF1天井0.837対0.915)が困難である。
論文 参考訳（メタデータ） (2026-05-11T18:01:21Z) - Generating Natural-Language Surgical Feedback: From Structured Representation to Domain-Grounded Evaluation [66.7752700084159]
外科的トレーナーからの高品質なフィードバックは,訓練者のパフォーマンス向上と長期的スキル獲得に不可欠である。
本稿では,実際の訓練者-訓練者間の文書から外科的行動オントロジーを学習する構造対応パイプラインを提案する。
論文 参考訳（メタデータ） (2025-11-19T06:19:34Z) - AttentiveGRUAE: An Attention-Based GRU Autoencoder for Temporal Clustering and Behavioral Characterization of Depression from Wearable Data [46.262619407930266]
本稿では,時間的クラスタリングと縦型ウェアラブルデータによる結果の予測を目的とした,新しい注意型ゲートリカレントユニット(GRU)オートエンコーダであるAttentiveGRUAEを提案する。
372名(GLOBEM 2018-2019)の長期睡眠データからAttentiveGRUAEを評価する。
これは、クラスタリングの品質と抑うつの分類の両方において、ベースラインクラスタリング、ドメイン指向の自己教師付きモデル、および改善されたモデルよりも優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-10-02T20:52:16Z) - Deep Learning-Based Classification of Hyperkinetic Movement Disorders in Children [0.0]
小児の高速度運動障害 (HMD) は, 重なり合う臨床的特徴により, 重要な診断上の課題となる。
本研究では,運動課題を遂行する小児患者の映像記録からジストニアと胆管を区別するニューラルネットワークモデルを開発した。
論文 参考訳（メタデータ） (2024-11-19T22:02:04Z) - 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) - Decoding speech perception from non-invasive brain recordings [48.46819575538446]
非侵襲的な記録から知覚音声の自己教師付き表現をデコードするために、コントラスト学習で訓練されたモデルを導入する。
我々のモデルでは、3秒のMEG信号から、1,000以上の異なる可能性から最大41%の精度で対応する音声セグメントを識別できる。
論文 参考訳（メタデータ） (2022-08-25T10:01:43Z) - 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) - Multilabel 12-Lead Electrocardiogram Classification Using Gradient
Boosting Tree Ensemble [64.29529357862955]
我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。
各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。
各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
論文 参考訳（メタデータ） (2020-10-21T18:11:36Z)
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。