論文の概要: Segment-Level Risk Discovery in Online Handwriting for Alzheimer's Disease Detection
- arxiv url: http://arxiv.org/abs/2609.29384v1
- Date: Thu, 24 Sep 2026 11:10:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.860427
- Title: Segment-Level Risk Discovery in Online Handwriting for Alzheimer's Disease Detection
- Title（参考訳）: アルツハイマー病検出のためのオンライン手書き書記におけるセグメントレベルリスク発見
- Abstract要約: オンライン手書きは、アルツハイマー病(AD)検出のための非侵襲的で低コストな行動バイオマーカーを提供する。
オンライン手書き文字からのAD検出を解釈するための健康な紙-空気選択軌道状態空間リスクネットワークであるNormPaST-Riskを提案する。
- 参考スコア（独自算出の注目度）: 7.89080191611952
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online handwriting provides a non-invasive and low-cost behavioral biomarker for Alzheimer's disease (AD) detection, as it reflects both cognitive planning and fine motor control. Existing handwriting-based AD detection methods usually rely on global trajectory features or whole-sample representations, which can be strongly affected by individual writing style, task-specific variation, and acquisition noise. In this paper, we propose NormPaST-Risk, a healthy-normative Paper-Air selective trajectory state-space risk network for interpretable AD detection from online handwriting. Instead of treating the entire trajectory as a single holistic representation, our method reformulates AD handwriting detection as local disease-relevant segment discovery. Specifically, a multi-scale temporal encoder captures stroke dynamics at different temporal resolutions, while a selective Paper-Air state-space encoder models long-range handwriting progression and distinguishes on-paper motor execution from in-air planning and transition behaviors. To explicitly characterize abnormal deviations, a healthy normative branch learns normal handwriting dynamics from healthy controls, and a task-aware multi-expert segment-risk module estimates segment-level AD risk calibrated by hidden-state changes and normative deviations. A weakly supervised segment-level objective further enables high-risk segment discovery without manual segment annotations. Experiments on the DARWIN benchmark demonstrate that the proposed framework achieves superior AD/HC classification performance compared with existing methods. Moreover, the discovered high-risk segments can be projected back to the original handwriting trajectory, providing interpretable evidence associated with AD-related handwriting variations.
- Abstract（参考訳）: オンライン手書きは、認知計画と運動制御の両方を反映した、アルツハイマー病(AD)検出のための非侵襲的で低コストな行動バイオマーカーを提供する。
既存の手書きによるAD検出手法は通常、グローバルな軌跡や全サンプル表現に依存しており、個々の書き方、タスク固有のバリエーション、取得ノイズに強く影響される。
本論文では,オンライン手書き文字からのAD検出を解釈するための健康な紙-空気選択軌道状態空間リスクネットワークであるNormPaST-Riskを提案する。
本手法は,全軌道を1つの全体的表現として扱う代わりに,AD手書き検出を局所的な疾患関連セグメント発見として再構成する。
具体的には、複数スケールの時間エンコーダが異なる時間分解能でストロークダイナミクスをキャプチャし、選択されたPaper-Air状態空間エンコーダが長距離手書きの進行をモデル化し、紙上モータの実行と空気中の計画と遷移挙動を区別する。
正常な規範分岐は、異常な偏差を明示的に特徴付けるために、正常な制御から正常な筆跡ダイナミクスを学習し、タスク対応マルチエキスパートセグメントリスクモジュールは、隠れ状態変化と規範偏差によって校正されたセグメントレベルADリスクを推定する。
弱い教師付きセグメントレベルの目的により、手動のセグメントアノテーションなしでハイリスクセグメントを発見できる。
DARWINベンチマークの実験により,提案手法は既存の手法に比べて優れたAD/HC分類性能が得られることが示された。
さらに、発見されたハイリスクセグメントは元の筆跡軌道に投影することができ、AD関連の筆跡変動に関連する解釈可能な証拠を提供する。
関連論文リスト
- Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。
本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
論文 参考訳（メタデータ） (2026-08-15T13:19:25Z) - AnchorDiff: Topology-Aware Masked Diffusion with Confidence-based Rewriting for Radiology Report Generation [2.2748974006378933]
医用画像から臨床的に正確なテキストレポートを自動生成することを目的とする。
既存の手法は自己回帰(AR)言語モデルに依存しており、因果依存性構造は生成を一方向の左から右へのプロセスに制限する。
本稿では,知識グラフに基づく臨床アンカーを拡散言語モデリングに統合したRRGのための最初のマスク付き拡散フレームワークであるAnchorDiffを提案する。
論文 参考訳（メタデータ） (2026-05-16T16:42:43Z) - LLM-Powered Text-Attributed Graph Anomaly Detection via Retrieval-Augmented Reasoning [20.426942100536003]
テキスト分散グラフ(TAG)の異常検出は、不正検出、侵入監視、誤情報解析などの応用において重要な役割を果たす。
本稿では,TAGのノード検出のための総合ベンチマークであるTAG-ADを紹介する。
本稿では,LLMに基づくゼロショット異常検出フレームワークであるRAG(Research-augmented Generation)を提案する。
論文 参考訳（メタデータ） (2025-11-16T05:21:14Z) - Understanding Cross Task Generalization in Handwriting-Based Alzheimer's Screening via Vision Language Adaptation [9.89242032529223]
アルツハイマー病は神経変性疾患であり、早期発見が重要である。
非侵襲的で費用対効果の高い窓を微妙な運動と認知の低下に導く。
論文 参考訳（メタデータ） (2025-11-08T04:13:01Z) - Not All Errors Are Equal: Investigation of Speech Recognition Errors in Alzheimer's Disease Detection [62.942077348224046]
アルツハイマー病(AD)の自動診断における音声認識の役割
近年の研究では,単語誤り率(WER)とAD検出性能の非線形関係が明らかにされている。
本研究は,BERTを用いたAD検出システムにおけるASR転写誤りの影響について,一連の解析を行った。
論文 参考訳（メタデータ） (2024-12-09T09:32:20Z) - On the Within-class Variation Issue in Alzheimer's Disease Detection [66.70233526150723]
Alzheimer's Disease (AD) 検出では、ADと非ADの個人を区別するために、機械学習の分類モデルを使用している。
そこで本研究では,サンプルスコア推定器を用いて,認知的スコアと整合した標本特異的なソフトスコアを生成できることを確認した。
ソフトターゲット蒸留(SoTD)とインスタンスレベルの再分散(InRe)の2つの簡易かつ効果的な方法を提案する。
論文 参考訳（メタデータ） (2024-09-22T02:06:05Z) - Alzheimer Disease Classification through ASR-based Transcriptions:
Exploring the Impact of Punctuation and Pauses [6.053166856632848]
アルツハイマー病(英語: Alzheimer's Disease、AD)は、世界有数の神経変性疾患である。
最近のADReSSチャレンジはAD分類のためのデータセットを提供した。
我々は、新しい最先端自動音声認識(ASR)モデルWhisperを用いて、その書き起こしを得た。
論文 参考訳（メタデータ） (2023-06-06T06:49:41Z) - 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) - Sequence-based Dynamic Handwriting Analysis for Parkinson's Disease
Detection with One-dimensional Convolutions and BiGRUs [5.936804438746453]
パーキンソン病(PD)は、ブラジキネシアアキネシア、剛性、震えなどのいくつかの運動症状を特徴とする。
患者の運動制御、特に手書き動作の分析は、PDアセスメントを支援する強力なツールである。
本論文では,一方向畳み込みとBiGated Recurrent Units (GRUs)に基づく新しい分類モデルを提案する。
論文 参考訳（メタデータ） (2021-01-23T09:25:13Z) - Dual-Refinement: Joint Label and Feature Refinement for Unsupervised
Domain Adaptive Person Re-Identification [51.98150752331922]
Unsupervised Domain Adaptive (UDA) Person Re-identification (再ID) は、ターゲットドメインデータのラベルが欠落しているため、難しい作業です。
オフラインクラスタリングフェーズにおける擬似ラベルとオンライントレーニングフェーズにおける特徴を共同で改良する,デュアルリファインメントと呼ばれる新しいアプローチを提案する。
本手法は最先端手法を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2020-12-26T07:35:35Z)
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。