Jun, 2022

儿童书写障碍自动诊断系统：调研和新框架

PDF
TL;DR该研究回顾了现有的针对儿童的自动化书写障碍诊断系统，重点关注基于人工智能的诊断系统，分析涉及的数据收集方法、手写特征和使用的机器学习算法，并探讨了一些非人工智能的自动化系统以及现有系统的不足之处，提出了一种新的诊断系统。
learning disabilitiesdysgraphiaautomated diagnosishandwriting featuresmachine learning
发现论文，激发创造
  • 书写运动和书写障碍评分量表（GHDRS）：走向复杂和客观评估

    引入 GHDRS 图动观 - 书写障碍评估量表，实现客观复杂的计算机辅助 GD 和 HD 的诊断和评估。

    May, 2024

  • 儿童图形表征评估工具简要回顾

    手写是儿童认知和学术发展的基本技能，但近几十年的技术和教育变革对手写的教学和评估产生了影响。本文通过对儿童手写分析的文献综述，包括发表的文章、研究参与者和评估儿童书写状态的方法的文献计量分析，旨在综合国际研究趋势。综述认为手写仍然是早期评估认知问题和进行早期干预的基本工具，分析了书写状态评估工具并强调了确定评估方法和整合数据库的重要性。

    Jun, 2024

  • 通过虚拟现实和人工智能确定患有阅读障碍的学生的困难：一项探索性分析

    通过整合虚拟现实和人工智能，VRAIlexia 项目创建了一个移动应用程序和软件工具来为高等教育机构的阅读障碍学生收集数据，并根据收集的数据自定义支持方法，以提高预测教学工具和学习策略的准确度。

    Jan, 2024

  • 词义和音韵对阿尔茨海默症患者手写的影响：基于机器学习的分析

    利用手写的运动学特性来支持神经退行性疾病的诊断是一个真正的挑战：非侵入性检测技术与机器学习方法的结合为该研究领域带来了巨大的进展。本文探讨了词语语义和音韵对患有阿尔茨海默病的人的手写的影响，通过实验结果证明通过特征选择可以为每种词类型提取出不同的高度特征，非规则的词需要更多特征但实现了出色的分类性能，非规则词达到了近 90% 的准确率。

    Jul, 2023

  • 通过对数正态特征分析机器学习方法研究阿尔茨海默病对书写的影响

    通过 Sigma-lognormal 模型提取的手写特征，应用于机器学习，旨在开发一个支持系统来帮助医生诊断和研究阿尔茨海默病，并评估提取特征的有效性以及它们之间的关系。

    May, 2024

  • 使用生成对抗网络进行笔迹特征分析

    使用改进的 DCGAN 架构和强化学习技术，本文提出一种智能系统，旨在学习实体的手写字体，可以用于鉴别伪造文件、签名验证、计算机生成艺术和文件数字化等领域。初步实现结果表明，该算法在 MNIST 数据集上表现优异。

    Nov, 2016

  • 帕金森病检测的动态增强静态手写表示

    这篇论文研究了使用动态增强的静态手写图像来诊断帕金森病，通过同时利用手写的静态和动态属性，提出了一种嵌入动态信息的静态表示方法，通过在同一数据集上与现有方法进行了公平比较，证明了动态增强的静态手写图像能够胜过独立使用静态和动态手写的结果，从而实现了非侵入性、低成本的计算机辅助诊断系统来支持临床医生的诊断和监测神经退行性疾病，特别是帕金森病的评估。

    May, 2024

  • 基于严重程度的口齿不清分类：一项系统综述

    系统评估了基于严重程度对共济失调进行分类的方法和特征，重点研究了自动患者分类的最有效特征集和类型，并评估了最佳的人工智能技术，以推进照顾和改善共济失调患者的治疗效果。

    Oct, 2023

  • 难以置信的进步：为阿尔茨海默病患者的手写合成生成准备的空中运动

    利用深度学习分析和识别手写字在医疗领域中的早期检测与诊断应用，通过引导式数据合成生成有利于深度学习模型训练的逼真数据，结合阿尔茨海默病的领域知识，探索了利用空中运动进行合成数据生成。

    Dec, 2023

  • 利用推荐模型为阅读障碍学生提供支持

    使用人工智能建议最合适的辅助工具和策略以支持患有阅读障碍的学生，证明该方法可以作为一种新的有效的支持方法。

    Mar, 2024