Towards the detection of Alzheimer’s disease through eye movement changes using a hearable
Notice bibliographique
Résumé
Hearables are wearable devices with in-ear microphones that utilize the occlusion effect to detect amplified low-frequency signals propagated by tissue and bone conduction, such as eardrum oscillations caused by eye movements [Greuters et al., 2018, PNAS, 115(6)]. Saccades, which are rapid and simultaneous movements of both eyes, provide valuable insight into a person's motor abilities and can be used to assess cognitive dysfunction. Research indicates that individuals with Alzheimer’s disease exhibit delayed, slow, and hypometric (i.e., undershooting) saccades, along with less fixation stability [Fletcher & Sharpe, 1986. An. Neuro. 20(4)]. In this project, 35 patients with Alzheimer’s disease or mild cognitive impairment, along with 35 matched control participants, will undergo various experiments, such as a picture description task, while wearing an eye tracking device and a hearable. The objective is to correlate recorded eardrum oscillations from the hearable and the amplitude and trajectory of horizontal and vertical saccades from the glasses. In addition, we aim to predict AD group inclusion based on data collected from the hearable. The long-term goal of this project is to develop a wearable, non-intrusive, and easy-to-use device capable of identifying Alzheimer’s disease and potentially predicting it earlier than the standard diagnosis timeframe.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».