強化適応バタフライ最適化アルゴリズムを用いた失書症障害の検出と分類

失書症は脳における震えであり、子供たちが典型的な書き方を学ぶ際に影響を与えます。子供たちは伝統的な書き方のカリキュラムを理解できず、その結果、筆記表現に支障をきたします。この書き方の弱点は、生徒を学業的に不利にし、自信を失わせます。これに対処するために、本研究では新しい手書きタスクのデータセットが開発され、できる限り多くの手書き情報を組み込むためにさまざまな特徴が選択されました。提案されたR2CNN手法は、高品質な傾斜ボックスの検出のためのマルチタスク精緻化ネットワークと、候補テキスト領域を予測するためのテキストRPNを統合します。バランスパラメータを損失関数に使用することで、アンバランスなトレーニングカテゴリの問題を解決し、特徴選択による過学習を防ぎます。この研究では、手書きと幾何学に関わるこれらの抽出された特徴を用いて失書症を識別することを目指しました。深層転移学習の特徴学習フェーズにより、失書症を検出するための重要な特徴を抽出し転送することが可能になります。最後に、失書症の検出精度を向上させるために、モデルパラメータを最適化するために強化適応バタフライ最適化アルゴリズム（EABOA）を適用します。結果は、手書き画像がこの研究において子供の失書症を検出するのに役立つことを示しています。全体的な提案手法は、精度99.2％、適合率95.3％、再現率99.1％、F1スコア97.16％をそれぞれ達成しています。データ収集プロセスの結果は、手書きテキストサンプルが失書症の有無を判断するためにこの研究で使用される可能性があることを示唆しています。