論文の概要: Neurodiversity-Aware Multimodal Affective Computing for Neurodevelopmental Assessment: From Norm-Referenced Classification to Context-Sensitive Decision Support
- arxiv url: http://arxiv.org/abs/2610.04705v1
- Date: Sat, 03 Oct 2026 18:38:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-11 17:36:43.416277
- Title: Neurodiversity-Aware Multimodal Affective Computing for Neurodevelopmental Assessment: From Norm-Referenced Classification to Context-Sensitive Decision Support
- Title（参考訳）: 神経多様性を考慮したマルチモーダル・アフェクティブ・コンピューティングによる神経発達評価:ノルム関連分類から文脈感性決定支援まで
- Abstract要約: 本論文では,新たな参加者レベル研究もトレーニングされた予測システムも報告せず,予測的・臨床的優位性は主張されない。
構造化された意思決定支援出力と、対象の妥当性、時間的整合性、文脈的漏洩、欠落モダリティ、校正、サブグループ評価、解釈可能性、プライバシー、人間の意思決定境界に対する監査可能な要件を定義している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated neurodevelopmental assessment increasingly combines computer vision, speech, eye tracking, physiology, and machine learning, yet multimodality and discrimination do not establish construct validity, clinical usefulness, or appropriate interpretation of behavioral variation. We propose a testable architecture for neurodiversity-aware multimodal affective computing in which population-relative deviation is not treated as sufficient evidence of adverse functioning. This conceptual article reports neither a new participant-level study nor a trained predictive system, and no predictive or clinical superiority is claimed. The framework keeps observable signals, modality quality and availability, context, population-relative information, pooled within-person references and, when sufficiently supported, context-conditioned within person references, and predictive uncertainty distinguishable throughout inference. It defines structured decision-support outputs and auditable requirements for target validity, temporal integrity, contextual leakage, missing-modality robustness, calibration, subgroup evaluation, interpretability, privacy, and human decision boundaries. The contribution is architectural rather than algorithmic: it specifies empirically testable constraints that can be instantiated with different multimodal learning methods. Autism provides the principal motivating evidence base, without assuming unchanged transfer to other neurodevelopmental conditions.
- Abstract（参考訳）: 自動神経発達評価は、コンピュータビジョン、音声、視線追跡、生理学、機械学習を組み合わさりつつあるが、多目的性や差別は、構成上の妥当性、臨床的有用性、行動の変化の適切な解釈を確立していない。
本稿では,神経多様性を意識したマルチモーダル感情コンピューティングのための検証可能なアーキテクチャを提案する。
本論文では,新たな参加者レベル研究もトレーニングされた予測システムも報告せず,予測的・臨床的優位性は主張されない。
このフレームワークは、観測可能な信号、モダリティの品質と可用性、コンテキスト、人口関連情報、個人内の参照をプールし、十分にサポートされた場合、人への参照内でコンテキスト条件が設定され、推論を通して区別可能な予測的不確実性を保持する。
構造化された意思決定支援出力と、対象の妥当性、時間的完全性、文脈的リーク、欠落したモダリティの堅牢性、キャリブレーション、サブグループ評価、解釈可能性、プライバシー、人間の意思決定境界に対する監査可能な要件を定義している。
このコントリビューションはアルゴリズムではなくアーキテクチャであり、異なるマルチモーダル学習手法でインスタンス化できる経験的なテスト可能な制約を指定する。
自閉症は、他の神経発達状態への変化を仮定することなく、主要な動機付け証拠基盤を提供する。
関連論文リスト
- Uncertainty-Aware Deep Learning for Genomics Applications: Insights from an Empirical Study [0.084963488352489]
本研究では、深層学習モデルにおける不確実性定量化(UQ)の実証分析を行い、ゲノミクスの応用に焦点を当てた。
一連の実験では、Deep Ensembles、Bayesian Neural Networks、Monte Carlo-dropout法と対比する。
タンパク質とRNAの相互作用において、不確実性スコアが高品質な予測にどのように使われるかを示す。
論文 参考訳（メタデータ） (2026-08-11T15:23:09Z) - Delving Aleatoric Uncertainty in Medical Image Segmentation via Vision Foundation Models [56.29123284262618]
本研究は,視覚基盤モデルの普遍的表現能力を生かして固有データ不確実性を推定することを提案する。
モデルのデコード表現の特徴の多様性を分析し,その特異値エネルギーを定量化し,各クラスに対する意味知覚尺度を定義する。
この基礎に基づいて,本研究は,(1)潜在的にノイズの多いサンプルを排除し,モデル学習品質を向上させるためのアレータリック不確実性認識データフィルタリング機構,(2)意味認識尺度に基づくトレーニング中にクラス固有の損失重みを適応的に調整する動的不確実性認識最適化戦略,およびトレーニング安定性を向上させるラベル認知機構の2つの不確実性駆動型アプリケーション戦略を設計する。
論文 参考訳（メタデータ） (2026-04-13T03:59:54Z) - Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
パーキンソン病は世界中で1千万人以上に影響している。
個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。
我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
論文 参考訳（メタデータ） (2026-03-31T02:36:10Z) - PRISM: A 3D Probabilistic Neural Representation for Interpretable Shape Modeling [9.456135223836181]
PRISMは、暗黙の神経表現を不確実性を考慮した統計的形状解析で橋渡しする新しいフレームワークである。
重要な理論的貢献はクローズドフォームのフィッシャー情報計量であり、効率的で分析的に抽出可能な局所的時間的不確実性定量化を可能にする。
論文 参考訳（メタデータ） (2026-02-12T00:55:31Z) - Few-Shot Multimodal Medical Imaging: A Theoretical Framework [0.0]
低リソース医用撮像条件下での学習と推論を特徴付ける統一理論フレームワークを提案する。
まず,臨床的に信頼性の高い精度を達成するのに必要な最小データ量を推定するために,少数の条件下で学習目標を定式化し,サンプルの複雑さを計算する。
そこで我々は,低データ条件下での解釈可能性保証を提供する,説明安定のための公式な指標を提案する。
論文 参考訳（メタデータ） (2025-11-03T01:21:50Z) - Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。
従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。
本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。
我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
論文 参考訳（メタデータ） (2025-10-02T19:38:46Z) - Benchmarking Uncertainty and its Disentanglement in multi-label Chest X-Ray Classification [11.21639536740362]
コンボリューション(ResNet)とトランスフォーマー(Vision Transformer)アーキテクチャにおける13の不確実性定量化手法を評価する。
Evidential Deep Learning, HetClass NNs, Deep Deterministic Uncertaintyをマルチラベル設定に拡張する。
論文 参考訳（メタデータ） (2025-08-06T13:58:17Z) - Enhancing Uncertainty Estimation and Interpretability via Bayesian Non-negative Decision Layer [55.66973223528494]
本研究では, ディープニューラルネットワークを条件付きベイズ非負因子分析として再構成したベイズ非負決定層(BNDL)を開発した。
BNDLは複雑な依存関係をモデル化し、堅牢な不確実性推定を提供する。
また,BNDLが効果的に不整合学習を達成できるという理論的保証も提供する。
論文 参考訳（メタデータ） (2025-05-28T10:23:34Z) - The challenge of uncertainty quantification of large language models in medicine [0.0]
本研究では,医学応用のための大規模言語モデル(LLM)の不確実性定量化について検討する。
私たちの研究は、不確実性を障壁としてではなく、AI設計に対する動的で反射的なアプローチを招待する知識の不可欠な部分として捉えています。
論文 参考訳（メタデータ） (2025-04-07T17:24:11Z) - Unsupervised Model Diagnosis [49.36194740479798]
本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。
提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
論文 参考訳（メタデータ） (2024-10-08T17:59:03Z) - Estimating and Improving Fairness with Adversarial Learning [65.99330614802388]
本研究では,深層学習に基づく医療画像解析システムにおけるバイアスの同時緩和と検出を目的としたマルチタスク・トレーニング戦略を提案する。
具体的には,バイアスに対する識別モジュールと,ベース分類モデルにおける不公平性を予測するクリティカルモジュールを追加することを提案する。
大規模で利用可能な皮膚病変データセットのフレームワークを評価します。
論文 参考訳（メタデータ） (2021-03-07T03:10:32Z)
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。