基于 SensoGrip 深度学习的书写障碍自动检测
机器学习
2023-01-04 v3 人机交互
摘要
书写障碍是一种书写学习障碍，对儿童的学业成绩、日常生活和整体福祉有严重负面影响。早期检测书写障碍有助于尽早开展针对性干预。若干研究已探讨利用数字平板通过机器学习算法检测书写障碍。然而，这些研究采用经典机器学习算法进行手动特征提取与选择，以及二分类：要么有书写障碍要么没有。在本工作中，我们通过深度学习预测 SEMS 分数（0 至 12 之间）来细粒度分级书写能力。我们的方法在自动而非手动特征提取与选择下，准确率超过 99%，均方根误差低于 1。此外，我们使用名为 SensoGrip 的智能笔——一种配备传感器以捕获书写动力学的笔——而非平板，从而在更真实的场景中实现书写评估。
引用
@article{arxiv.2210.07659,
title = {Automated dysgraphia detection by deep learning with SensoGrip},
author = {Mugdim Bublin and Franz Werner and Andrea Kerschbaumer and Gernot Korak and Sebastian Geyer and Lena Rettinger and Erna Schoenthaler and Matthias Schmid-Kietreiber},
journal= {arXiv preprint arXiv:2210.07659},
year = {2023}
}