Understanding Cross Task Generalization in Handwriting-Based Alzheimer's Screening via Vision Language Adaptation
Created by
Haebom
Category
Empty
저자
Changqing Gong, Huafeng Qin, Mounim A. El-Yacoubi
개요
본 논문은 알츠하이머병 조기 진단을 위해 필기 분석을 활용하는 연구를 소개합니다. 기존 연구가 온라인 궤적 및 수작업 특징에 의존했던 것과 달리, 대규모 시각 언어 모델(Vision Language Models)을 활용하여 필기 기반 알츠하이머병 진단 가능성을 탐구합니다. 특히, CLIP을 재사용하는 경량 Cross-Layer Fusion Adapter (CLFA) 프레임워크를 개발하여, 다양한 필기 작업 간의 일반화 성능을 체계적으로 조사하고, 알츠하이머병 진단에 효과적인 필기 패턴을 분석했습니다.
시사점, 한계점
•
경량 CLFA 프레임워크를 활용하여 필기 기반 알츠하이머병 조기 진단을 위한 새로운 접근 방식을 제시.
•
다양한 필기 작업 간의 일반화 성능을 분석하여, 진단에 가장 효과적인 필기 작업 유형을 식별.
