Journal of information and communication convergence engineering
/
v.21
no.4
/
pp.281-286
/
2023
Diagnosing reading disorders involves complex procedures to evaluate complex cognitive processes. For an accurate diagnosis, a series of tests and evaluations by human experts are required. In this study, we propose a quantitative tool to diagnose reading disorders based on natural reading behaviors using minimal human input. The eye movements of the third- and fourth-grade students were recorded while they read a text at their own pace. Seven machine learning models were used to evaluate the gaze patterns of the words in the presented text and classify the students as normal or having a reading disorder. The accuracy of the machine learning-based diagnosis was measured using the diagnosis by human experts as the ground truth. The highest accuracy of 0.8 was achieved by the support vector machine and random forest classifiers. This result demonstrated that machine learning-based automated diagnosis could substitute for the traditional diagnosis of reading disorders and enable large-scale screening for students at an early age.
Journal of the Korean Academy of Child and Adolescent Psychiatry
/
v.31
no.3
/
pp.97-104
/
2020
Deep learning (DL) is a kind of machine learning technique that uses artificial intelligence to identify the characteristics of given data and efficiently analyze large amounts of information to perform tasks such as classification and prediction. In the field of neuroimaging of neurodevelopmental disorders, various biomarkers for diagnosis, classification, prognosis prediction, and treatment response prediction have been examined; however, they have not been efficiently combined to produce meaningful results. DL can be applied to overcome these limitations and produce clinically helpful results. Here, we review studies that combine neurodevelopmental disorder neuroimaging and DL techniques to explore the strengths, limitations, and future directions of this research area.
Learning disabilities (LD) are heterogeneous group of disorders with evidences of genetic or familial trait, intrinsic to the individual and presume to be due to central nervous dysfunction. Learning disabilities and attention deficit hyperactivity disorder (ADHD) are the two of the most common disorders in the population of school-age children. Typically academic achievements in children with learning disabilities are significantly lower than expected by their normal or above normal range of IQ. Although academic and cognitive deficits are hallmarks of children with LD, those children are also at risk for a broad range of behavioral and emotional problems. Almost all cases meet criteria for at least one additional diagnosis such as ADHD, developmental coordination disorder, depression, anxiety, obsessive compulsive disorder, tic disorder, among which ADHD is particularly predominant. Because of the response to the therapeutic intervention program is promising and positive when applied early, it is critical to recognize patients as early as possible. Pediatricians often are the first to hear from parents worried about a childs academic progress. It is not the responsibility of pediatrician to make a diagnosis, referring children for a diagnostic evaluation of LD is a reasonable first step. Pediatricians can make early referral of suspicious children by asking some serial short questions about basic and processing skills. With a basic knowledge about the clinical characteristics, diagnostic and therapeutic procedures of LD, pediatricians also can provide primary counseling and education for parents at their outpatient clinical settings.
International Journal of Advanced Culture Technology
/
v.12
no.1
/
pp.242-248
/
2024
Contemporary societal and environmental transformations coincide with the emergence of novel mental health challenges. anxiety disorder, a chronic and highly debilitating illness, presents with diverse clinical manifestations. Epidemiological investigations indicate a global prevalence of 5%, with an additional 10% exhibiting subclinical symptoms. Notably, 9% of adolescents demonstrate clinical features. Untreated, anxiety disorder exerts profound detrimental effects on individuals, families, and the broader community. Therefore, it is very meaningful to predict anxiety disorder through machine learning algorithm analysis model. The main research content of this paper is the analysis of the prediction model of anxiety disorder by machine learning algorithms. The research purpose of machine learning algorithms is to use computers to simulate human learning activities. It is a method to locate existing knowledge, acquire new knowledge, continuously improve performance, and achieve self-improvement by learning computers. This article analyzes the relevant theories and characteristics of machine learning algorithms and integrates them into anxiety disorder prediction analysis. The final results of the study show that the AUC of the artificial neural network model is the largest, reaching 0.8255, indicating that it is better than the other two models in prediction accuracy. In terms of running time, the time of the three models is less than 1 second, which is within the acceptable range.
Learning disabilities (LD), also known as learning disorders, refers to cases in which an individual experiences lower academic ability as compared to the normal range of intelligence, visual or hearing impairment, or an inability to peform learning. Children and adolescents with learning disabilities often have emotional or behavioral problems or co-existing conditions, including depression, anxiety disorders, difficulties with peer relationships, family conflicts, and low self-esteem. In most cases, attention deficit and hyperactivity disorder coexists. As learning disabilities have the characteristics of a difficult heterogeneous disease group that cannot be attributed to a single root cause, they are diagnosed based on an interdisciplinary approach through medicine and education, such as mental health medicine, education, psychology, special education, and neurology. In addition, for the accurate diagnosis and treatment of learning disabilities, the diagnosis, prescription, treatment, and educational intervention should be conducted in cooperation with doctors, teachers, and psychologists. The treatment of learning disabilities requires a multimodal approach, including medical and educational intervention. It is suggested that educational interventions such as the Individualized Education Plan (IEP) and the Response to Invention (RTI) should be implemented.
Lee, Soobin;Kim, Seongdeok;Lee, Juhee;Ko, Youngsoo;Song, Min
Journal of the Korean Society for information Management
/
v.38
no.2
/
pp.153-172
/
2021
This study is to create a deep learning based classification model to examine the characteristics of panic disorder and to classify the panic disorder tendency literature by the panic disorder corpus constructed for the present study. For this purpose, 5,884 documents of the panic disorder corpus collected from social media were directly annotated based on the mental disease diagnosis manual and were classified into panic disorder-prone and non-panic-disorder documents. Then, TF-IDF scores were calculated and word co-occurrence analysis was performed to analyze the lexical characteristics of the corpus. In addition, the co-occurrence between the symptom frequency measurement and the annotated symptom was calculated to analyze the characteristics of panic disorder symptoms and the relationship between symptoms. We also conducted the performance evaluation for a deep learning based classification model. Three pre-trained models, BERT multi-lingual, KoBERT, and KcBERT, were adopted for classification model, and KcBERT showed the best performance among them. This study demonstrated that it can help early diagnosis and treatment of people suffering from related symptoms by examining the characteristics of panic disorder and expand the field of mental illness research to social media.
Journal of the Korean Academy of Child and Adolescent Psychiatry
/
v.28
no.4
/
pp.192-196
/
2017
Social (pragmatic) communication disorder (SCD) is a new diagnosis included under communication disorders in the neurodevelopmental disorders section of Diagnostic and Statistical Manual of Mental Disorders-5. SCD is defined as a primary deficit in the social use of nonverbal and verbal communication. SCD has very much in common with pragmatic language impairment, which is characterized by difficulties in understanding and using language in context and following the social rules of language, despite relative strengths in word knowledge and grammar. SCD and Autism Spectrum Disorder (ASD) are similar in that they both involve deficits in social communication skills, however individuals with SCD do not demonstrate restricted interests, repetitive behaviors, insistence on sameness, or sensory abnormalities. It is essential to rule out a diagnosis of ASD by verifying the lack of these additional symptoms, current or past. The criteria for SCD are qualitatively different from those of ASD and are not equivalent to those of mild ASD. It is clinically important that SCD should be differentiated from high-functioning ASD (such as Asperger syndrome) and nonverbal learning disabilities. The ultimate goals are the refinement of the conceptualization, development and validation of assessment tools and interventions, and obtaining a comprehensive understanding of the shared and unique etiologic factors for SCD in relation to those of other neurodevelopmental disorders.
Elshoky, Basma Ramdan Gamal;Younis, Eman M.G.;Ali, Abdelmgeid Amin;Ibrahim, Osman Ali Sadek
ETRI Journal
/
v.44
no.4
/
pp.613-623
/
2022
Autism spectrum disorder (ASD) is a developmental disorder associated with cognitive and neurobehavioral disorders. It affects the person's behavior and performance. Autism affects verbal and non-verbal communication in social interactions. Early screening and diagnosis of ASD are essential and helpful for early educational planning and treatment, the provision of family support, and for providing appropriate medical support for the child on time. Thus, developing automated methods for diagnosing ASD is becoming an essential need. Herein, we investigate using various machine learning methods to build predictive models for diagnosing ASD in children using facial images. To achieve this, we used an autistic children dataset containing 2936 facial images of children with autism and typical children. In application, we used classical machine learning methods, such as support vector machine and random forest. In addition to using deep-learning methods, we used a state-of-the-art method, that is, automated machine learning (AutoML). We compared the results obtained from the existing techniques. Consequently, we obtained that AutoML achieved the highest performance of approximately 96% accuracy via the Hyperpot and tree-based pipeline optimization tool optimization. Furthermore, AutoML methods enabled us to easily find the best parameter settings without any human efforts for feature engineering.
Journal of the Korean Academy of Child and Adolescent Psychiatry
/
v.17
no.2
/
pp.114-123
/
2006
Objectives : The special class has been made, bringing rapid increase quantitatively. The authors carried out the child psychiatric interview and evaluation for 9 special-classed children in Asan city to find out clinical diagnosis and emotional/behavioral characteristics. Methods : The child psychiatrists evaluated special class children by DSM-IV and K-SADS-PL. Tools for the evaluation were Child Behavior Checklist- Korean version, Korean Personality Inventory for Children, Children's Depression Inventory, Abbreviated Conners Parent-Teacher Rating Scale-Revised, State-Trait Anxiety Inventory for Children, Vineland Social Maturity Scale, Wechsler Intelligence Scale for Children-III, and Childhood Autism Rating Scale. Results : Ultimately 53 children, consisting of 35 boys(67.9%) and 18 girls(32.1%), participated, and the average age was $10.5{\pm}1.3$ years old. Their measure of Vineland Social Maturity Scale was $78.7{\pm}20.0$, Childhood Autism Rating Scales was $25.4{\pm}9.0$, Child Depression Inventory was $22.2{\pm}5.2$, State-Trait Anxiety Inventory for Children was $35.2{\pm}8.2/36.5{\pm}6.2$, and Abbreviated Conners Parent-Teacher Rating Scale was $11.0{\pm}4.6$. In the clinical diagnosis evaluation, the prevalence rate of learning disorder was decreased compared to early research, ADHD had been newly appeared and depression disorder and anxiety disorder had been increased. Conclusion : This result suggests that a lot of children in a special class have complex emotional and behavioral problems in addition to educational problems.
Attention Deficit Hyperactivity Disorder (ADHD) is one of the most common neurological disorders in children. The diagnosis of ADHD in children is based on the interviews and observation reports of parents or teachers who have stayed with them. Since this approach cannot avoid long observation time and the bias of observers, another approach based on Electroencephalography(EEG) is emerging. The goal of this study is to develop an assistive tool for diagnosing ADHD by EEG classification. This study explores the frequency bands of EEG and extracts the implied features in them by using the proposed CNN. The CNN architecture has three Convolution-MaxPooling blocks and two fully connected layers. As a result of the experiment, the 30-60 Hz gamma band showed dominant characteristics in identifying EEG, and when other frequency bands were added to the gamma band, the EEG classification performance was improved. They also show that the proposed CNN is effective in detecting ADHD in children.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.