A Machine-Learning-Based Assessment Method for Early-Stage Neurocognitive Impairment by an Immersive Virtual Supermarket
Notice bibliographique
Résumé
Alzheimer's disease (AD) is a neurodegenerative disorder. Though it is not yet curable or reversible, research has shown that clinical intervention or intensive cognitive training at an early stage may effectively delay the progress of the disease. As a result, screening populations with mild cognitive impairment (MCI) or early AD via efficient, effective and low-cost cognitive assessments is important. Currently, a cognitive assessment relies mostly on cognitive tests, such as the Mini-Mental State Examination (MMSE) or the Montreal Cognitive Assessment (MoCA), which must be performed by therapists. Also, cognitive functions can be divided into a variety of dimensions, such as memory, attention, executive function, visual spatial and so on. Executive functions (EF), also known as executive control or cognitive control, refer to a set of skills necessary to perform higher-order cognitive processes, including working memory, planning, attention, cognitive flexibility, and inhibitory control. Along with the fast progress of virtual reality (VR) and artificial intelligence (AI), this study proposes an intelligent assessment method aimed at assessing executive functions. Utilizing machine learning to develop an automatic evidence-based assessment model, behavioral information is acquired through performing executive-function tasks in a VR supermarket. Clinical trials were performed individuals with MCI or early AD and six healthy participants. Statistical analysis showed that 45 out of 46 indices derived from behavioral information were found to differ significantly between individuals with neurocognitive disorder and healthy participants. This analysis indicates these indices may be potential bio-markers. Further, machine-learning methods were applied to build classifiers that differentiate between individuals with MCI or early AD and healthy participants. The accuracy of the classifier is up to 100%, demonstrating the derived features from the VR system were highly related to diagnosis of individuals with MCI or early AD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».