Dec, 2023

认知绘图的自动评分：基于机器评分与黄金标准的质量评估

PDF
TL;DR使用深度学习自动评分来提高数据质量，训练适应痴呆筛查的模型需要更多和更好的训练数据。
figure drawingdementia screeningdata qualitydeep learningtraining data
发现论文，激发创造
  • 利用人工神经网络自动评分图形开放性答案

    本研究探讨基于卷积神经网络和前馈神经网络的自动化打分方法在国际数学和科学考试中将学生的绘画或图像回答分类的准确性。研究发现，相对于前馈神经网络，卷积神经网络能够更加精确地分类图像响应，并且可以取代人工评分，提高成绩评分的有效性和可比性。

    Jan, 2022

  • 数字时钟画图测试的可解释机器学习模型

    该研究使用数字化笔和机器学习技术，开发出一种更准确的自动化评分系统，可用于替代临床医生使用的常规 Clock Drawing Test 方法。

    Jun, 2016

  • 日语语言测试中手写描述性答案的完全自动评分

    本文提出一种机器识别手写字符的方法，通过使用深度学习技术与自然语言处理技术，在日本大学考试的试卷中取得了较好的成绩，具有较高的实用价值。

    Jan, 2022

  • 标准认知障碍筛查测试的自动化评估

    该研究通过对 30 名患者的语音转录，对比专家手动评估和自动评估之间的相关性，探讨了半标准化病史采集后进行 SKT 和 CERAD-NB 两个标准化认知测试的效果；结果表明，使用自动化转录可以得到较高的相关性，而使用词汇替换技术可以缓解识别误差，进一步提高与专家评分的相关性。

    Jun, 2022

  • 早期发现痴呆症的游戏化人工智能方法

    通过整合基于卷积神经网络的健康指标数据和面部图像数据的认知评估游戏应用程序，本研究旨在开发一种新的深度学习启发的游戏方法，以早期检测痴呆症。通过我们的工作，我们的提出的 MOD-1D-CNN 模型可以使用真实生活的健康指标数据识别 70.50％的痴呆特征，而提出的 MOD-2D-CNN 模型则可以使用真实生活的面部图像数据识别 95.72％的痴呆状态。因此，我们应用一种基于规则的加权方法来结合这两种方法以达到最终决策。

    May, 2024

  • 利用具备自然语言处理能力的娱乐聊天机器人进行老年人认知障碍的自动检测

    提出了一种智能对话系统，用于娱乐老年人并通过聊天对话阶段评估认知能力，并通过机器学习算法检测认知障碍，从而实现自动化的认知障碍检测方法。

    May, 2024

  • DeepSketch2Face：一种基于深度学习的 3D 人脸和卡通肖像建模草图系统

    本研究提出了一种基于深度学习的素描系统用于 3D 人脸和漫画建模，它具有省力且自由的手绘界面，并支持基于手势的用户交互。

    Jun, 2017

  • 利用声学特征检测认知损伤：超越 Cookie 盗窃图片测试

    该研究使用标准化测试中的语音数据，通过使用 OpenSMILE 特征和支持向量机分类器，成功实现了认知障碍的自动检测，并使用 wav2vec 2.0 特征提取技术进一步提高了识别准确度。

    Jun, 2022

  • 量子机器学习在认知领域中的应用：阿尔茨海默病研究

    使用量子计算技术和人工智能方法，对老年人的手写数据进行早期阿尔茨海默病诊断，取得了 0.75 的准确率。

    Sep, 2023

  • 涂鸦游戏：基于深度循环模型的猜词游戏

    本研究提出了第一个旨在解决 Pictionary 问题的计算模型，基于给定的草图序列，引入了 Sketch-QA 任务，使用固定的问题和获取开放式的语言形式的猜测单词，并通过深度神经模型在时间上反应人类绘制的草图序列，从而在 Pictionary 风格的猜测中生成类似于人类的错误词汇，该模型可用于类似的游戏，并对模型进行了比较和实验验证。

    Jan, 2018