用单词进行"眼睛追踪"用于阿尔茨海默病检测:在图像描述任务中,将单词发音与图像区域的时间对齐
Neda Heidarzadeh1, Sylvie Ratté1
1Département de Génie logiciel, École de Technologie Supérieure, 1100 Notre-Dame Ouest, Montréal, Québec, Canada.
Journal of Alzheimer's disease : JAD
|September 4, 2023
概括
这项研究表明,分析语音模式和眼动可以帮助早期发现阿尔茨海默病 (AD). 这种非侵入性方法提供了一个有前途的新工具,用于在早期阶段诊断AD.
科学领域:
- 神经科学是一个神经科学.
- 医学成像医学成像
- 机器学习 机器学习
背景情况:
- 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,导致认知能力下降和痴呆.
- 早期诊断AD对于改善患者的生活质量至关重要.
研究的目的:
- 开发一种非侵入性方法来区分可能患有阿尔茨海默病 (AD) 的患者和健康的对照人群 (HC).
主要方法:
- 基于 Cookie Theft 图片描述任务中使用的单词来跟踪凝视点.
- 单词发音时间与眼动和特定的图像区域保持一致.
- 应用了机器学习算法来分类可能的AD和HC,使用来自60名参与者的音频和转录特征 (30AD,30HC).
主要成果:
- 支持矢量机和逻辑回归实现了高精度 (高达80%和78.33%) 的AD和HC的分类.
- 这项研究表明,分析语音和目光模式用于AD检测的有效性.
结论:
- 视点分析为早期阿尔茨海默病诊断提供了传统眼睛追踪设备的非侵入性和成本效益高的替代方案.
- 这种方法有可能在阿尔茨海默氏症早期检测中得到广泛的临床应用.
关键词:
阿尔茨海默氏症是阿尔茨海默氏症的一种疾病.这是分类分类的分类.饼干盗窃 图片 任务描述 任务描述眼睛的运动 眼睛的运动机器学习是机器学习.这是一种非侵入性的非侵入性治疗方法.视角的位置 - 视角的位置.更多相关视频
07:26Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking
Published on: September 26, 2019
7.9K
11:01Examining the Characteristics of Episodic Memory using Event-related Potentials in Patients with Alzheimer's Disease
Published on: August 30, 2011
13.7K
