お問い合わせ

03-5677-3930初診受付

ブログ

2020年6月16日

11991:眼の動きから失読症を識別するAIアルゴリズム:論文紹介

清澤のコメント:眼球運動の特徴でディスレキシア(失読症)の診断をAIにさせるという研究があるのだそうです。最初にネット記事、末尾に論文抄録の翻訳を採録します

書いた人 TOKYO analytica -2020年6月15日 Share

ディスレクシアは脳発達の問題のために、読字に困難がある限局性学習症で、いわゆる学習障害に分類される。読書や学習に対する強い拒否感のために、本来的な知的能力とは無関係に語彙や知識の不足が生じ、結果的に不登校や心身症に至るケースも少なくない。

インド・ベロール工科大学の研究チームは、眼球の動きからディスクレシアを識別する機械学習モデルの開発に取り組んでいる。Computer Methods and Programs in Biomedicineにこのほど掲載されたチームの研究論文によると、サポートベクターマシン(SVM)と粒子群最適化(PSO)を組み合わせたモデルにより、眼球の動きから95.6%の精度でディスクレシアの有無を識別することができたという。

現時点ではまだ開発途上の技術ではあるが、新しい客観的スクリーニング手法としての潜在的有効性は非常に大きい。就学早期での診断・介入は、医療現場および教育現場から強く求められている

◎原著論文は

固視と衝動性眼球運動イベントからの失読症の予測モデル AJothi Prabha、RBhargavi

https://doi.org/10.1016/j.cmpb.2020.105538
ハイライト
• 自動的に機械を使用して失読症の予測に貢献する一連の眼球運動機能を探索して特定する

•識別された眼球運動機能を使用して失読症と非失読症を分類するための機械学習モデル

概要
バックグラウンド
失読症は、音声や音の認識が悪いなど、読むのが困難な疾患である。彼らは文字を関連付けて単語を形成する能力が低く、読解力が不十分である。アイトラッキングの方法論は、人間の認知処理の分析に大きな役割を果たす。失読症は視覚障害ではないが、音韻処理と単語の解読が困難である。これらの困難は、読書中の目の動きのパターンに反映されている。

目的
断裂的な目の動きは、失読症を識別するためにアイトラッキングの方法論を使用するのに役立つ。

方法
この論文では、機械学習モデルによって失読症と非失読症を区別することにさらに貢献する、眼球運動の特徴の小さなセットが提案されている。固視やサッカードなどの眼球運動イベントに関連する機能は、統計的測定、分散閾値識別(I-DT)、速度閾値識別(I-VT)アルゴリズムを使用して検出される。これらの機能は、粒子群最適化(PSO)ベースのSVMハイブリッドカーネル(ハイブリッドSVM-PSO)、サポートベクターマシン(SVM)、ランダムフォレスト分類器(RF)、ロジスティック回帰(LR) などのさまざまな機械学習アルゴリズムを使用してさらに分析され、失読症と非失読症の分類のための答え 、K-直近隣接 (KNN)  をだした。

結果
ハイブリッドSVM –PSOモデルを使用して達成された精度は95.6%です。高い精度をもたらした最良の機能セットは、平均固視数、平均固視線持続時間、平均サッケード運動時間、サッケード運動の総数、および平均固視回数であった。

結論
速度ベースのアルゴリズムを使用して検出された眼球運動の特徴は、分散ベースのアルゴリズムおよび統計的測定によって検出されたものよりも優れていることが観察されています。

Categorised in: 神経眼科