IT202100026999A1 - Metodo per la correlazione e predizione di dati associati a un soggetto di interesse - Google Patents
Metodo per la correlazione e predizione di dati associati a un soggetto di interesse Download PDFInfo
- Publication number
- IT202100026999A1 IT202100026999A1 IT102021000026999A IT202100026999A IT202100026999A1 IT 202100026999 A1 IT202100026999 A1 IT 202100026999A1 IT 102021000026999 A IT102021000026999 A IT 102021000026999A IT 202100026999 A IT202100026999 A IT 202100026999A IT 202100026999 A1 IT202100026999 A1 IT 202100026999A1
- Authority
- IT
- Italy
- Prior art keywords
- data
- subject
- interest
- correlation
- unit
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 43
- 230000004044 response Effects 0.000 claims description 32
- 230000003542 behavioural effect Effects 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 6
- 230000009449 neurobehavioral function Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001755 vocal effect Effects 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 230000003188 neurobehavioral effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] using evoked responses
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Complex Calculations (AREA)
Description
Titolo "Metodo per la correlazione e predizione di dati associati a un soggetto di interesse"
DESCRIZIONE
Campo tecnico
La presente invenzione ? relativa a un metodo per la correlazione e predizione di dati associati a un soggetto di interesse. In particolare, tali dati sono relativi a stimoli cui un soggetto di interesse ? sottoposto e a reazioni comportamentali indotte da tali stimoli.
Stato della tecnica
? noto nello stato della tecnica l?impiego di una scala standardizzata per la valutazione neuro-comportamentale di pazienti con disordini di coscienza.
Tale scala standardizzata di tipo noto presenta una lista di azioni che un incaricato qualificato, come ad esempio un medico, deve svolgere insieme al paziente perch? differenti parametri e funzioni dello stesso paziente siano esaminati. Nella tecnica nota si distinguono ventinove parametri da porre in esame suddivisi in sei diverse funzioni. In particolare, il medico esamina la funzione uditiva, visiva, motoria, motoria orale-verbale, comunicativa e di vigilanza del paziente.
Il metodo della tecnica nota prevede che il medico fornisca stimoli al paziente in modo da valutare e osservare eventuali reazioni comportamentali dello stesso paziente. Gli stimoli forniti al paziente sono standard e permettono di esaminare i ventinove parametri e di monitorare il recupero da parte del paziente delle funzioni neuro-comportamentali.
Nella tecnica nota, il medico valuta il paziente associando a ciascuna funzione un valore numerico. Il paziente analizzato sar? a sua volta associato a un rispettivo punteggio, somma dei valori numerici di ciascuna funzione. Tale punteggio ? rappresentativo della presenza o assenza di specifiche reazioni comportamentali del paziente agli stimoli forniti. Inoltre, tramite il punteggio ? possibile monitorare il progresso del paziente nel recupero delle funzioni neuro-comportamentali.
Problema della tecnica nota
Il metodo della tecnica nota prevede di fornire al paziente stimoli standardizzati. Infatti, il medico fornisce al paziente i medesimi stimoli ogniqualvolta che sia necessario svolgere l?esame delle funzioni neuro-comportamentali.
Inoltre, il metodo della tecnica nota, prevedendo un esame standard, non consente di tenere in considerazione esami o esperienze passate del paziente durante lo svolgimento dello stesso esame.
Sommario dell?invenzione
In questo contesto, il compito tecnico alla base della presente invenzione ? quello di fornire metodo che superi i problemi della tecnica nota.
In particolare, ? scopo della presente invenzione proporre un metodo che consenta di prevedere la reazione comportamentale di un soggetto di interesse quando vengono forniti stimoli.
Il compito tecnico precisato e gli scopi specificati sono sostanzialmente raggiunti dal metodo comprendente le caratteristiche tecniche esposte in una o pi? delle unite rivendicazioni.
Vantaggi dell?invenzione
La presente invenzione risolve il problema tecnico. Infatti, ? possibile realizzare un metodo che pone in correlazione stimoli e rispettive reazioni comportamentali di un soggetto di interesse. ? inoltre possibile elaborare tali correlazioni per generare, confermare e confutare previsioni di reazioni comportamentali.
DESCRIZIONE DETTAGLIATA
La presente invenzione ? relativa a un metodo per la correlazione e predizione di dati associati a un soggetto di interesse. In particolare, il soggetto di interesse pu? essere una persona con disturbi di coscienza o disturbi neuro-comportamentali.
Il metodo comprende la fase di fornire un?unit? di controllo e un database di dati in comunicazione di segnale tra loro. Preferibilmente, l?unit? di controllo ? un calcolatoreelaboratore di dati, ossia un computer fisso o portatile o qualsiasi dispositivo con potenza di calcolo sufficiente per le finalit? del metodo oggetto della presente invenzione. Da quanto descritto nel seguito della presente descrizione sar? evidente quali delle fasi del metodo oggetto della presente invenzione l?unit? di controllo ? configurata per eseguire.
Il metodo prevede almeno le fasi di identificare oggetti attivi e di fornire primi stimoli al soggetto di interesse in funzione di tali oggetti attivi identificati. In particolare, ciascun oggetto attivo ? configurato per avere un potenziale evocativo per il soggetto di interesse. In altre parole, gli oggetti attivi sono configurati per provocare emozioni nel soggetto di interesse.
In particolare, i primi stimoli sono configurati per esaminare una o pi? tra la funzione uditiva, visiva, motoria, motoria orale-verbale, comunicativa, di vigilanza del soggetto di interesse. A titolo esemplificativo, i primi stimoli possono comprendere una richiesta verbale al soggetto di interesse di effettuare movimenti oculari o degli arti. Come ulteriore esempio, i primi stimoli possono comprendere un segnale visivo oppure una richiesta verbale al soggetto di interesse di informazioni circa l?utilizzo di due oggetti attivi, o ancora, una sollecitazione verbale.
Il metodo comprende la fase di generare, tramite l?unit? di controllo, primi dati di analisi. In dettaglio, ciascun primo dato di analisi ? rappresentativo di un rispettivo primo stimolo. Preferibilmente, ciascun primo dato di analisi ? rappresentativo di un rispettivo primo stimolo e di un oggetto attivo associato a tale primo stimolo.
Il metodo comprende le ulteriori fasi di registrare una prima reazione comportamentale del soggetto di interesse per ciascun primo stimolo fornito, e di generare, tramite l?unit? di controllo, primi dati di risposta. In dettaglio, ciascun primo dato di risposta ? rappresentativo della reazione comportamentale del soggetto di interesse a un rispettivo primo stimolo fornito.
Preferibilmente, ciascun primo dato di risposta ? rappresentativo della presenza o assenza di reazioni comportamentali del soggetto di interesse a un rispettivo primo stimolo fornito. A titolo esemplificativo, il primo dato di risposta pu? essere rappresentativo dell?apertura degli occhi del soggetto di interesse a seguito o meno di uno stimolo. Come ulteriore esempio, il primo dato di risposta pu? essere rappresentativo della riuscita o non riuscita del soggetto di interesse ad effettuare movimenti oculari o degli arti.
Il metodo comprende inoltre la fase di archiviare, tramite l?unit? di controllo, i dati di analisi e i dati di risposta nel database di dati. Il database di dati ? configurato per archiviare i primi dati di analisi e i primi dati di risposta.
Il metodo prevede di eseguire tramite l?unit? di controllo le ulteriori fasi di: - estrapolare dal database di dati un primo insieme che comprende primi dati di analisi e primi dati di risposta del soggetto di interesse,
- elaborare il primo insieme per generare una prima correlazione tra ciascun primo dato di analisi e il rispettivo primo dato di risposta del primo insieme,
- elaborare ciascuna prima correlazione per generare una rispettiva predizione di reazione comportamentale del soggetto di interesse a un rispettivo secondo stimolo.
Il metodo della presente invenzione consente di porre in correlazione gli oggetti attivi, gli stimoli forniti al soggetto di interesse e le rispettive reazioni comportamentali e, tramite tali correlazioni, consente la generazione di rispettive predizioni. Vantaggiosamente, le predizioni di reazioni comportamentali consentono di ipotizzare quale reazione comportamentale possa avere un soggetto di interesse quando sottoposto a un particolare stimolo.
Il metodo comprende la fase di fornire secondi stimoli al soggetto di interesse in funzione di rispettive predizioni. Vantaggiosamente, i secondi stimoli sono personalizzati per il soggetto di interesse per mezzo delle rispettive predizioni.
Secondo un aspetto, il metodo comprende le fasi di:
- registrare una seconda reazione comportamentale del soggetto di interesse per ciascun secondo stimolo fornito,
- confrontare almeno una seconda reazione comportamentale con la rispettiva predizione per convalidare o confutare la rispettiva predizione.
In dettaglio, la predizione ? convalidata se la seconda reazione comportamentale soddisfa la rispettiva predizione. La predizione ? confutata se la seconda reazione comportamentale del soggetto e la rispettiva predizione di reazione comportamentale non combaciano. In altre parole, se la seconda reazione comportamentale rispetta la predizione di reazione comportamentale, allora la predizione ? veritiera e convalidata, viceversa, ? confutata.
Come sar? pi? chiaro in seguito, le seconde reazioni comportamentali possono generare a loro volta nuove correlazioni e nuove predizioni di ulteriori e successive reazioni comportamentali.
In una forma realizzativa, il metodo comprende la fase di generare, tramite l?unit? di controllo, secondi dati di analisi. In dettaglio, ciascun secondo dato di analisi ? rappresentativo di un rispettivo secondo stimolo.
In aggiunta, il metodo comprende la fase di generare, tramite l?unit? di controllo, secondi dati di risposta. Preferibilmente, ciascun secondo dato di risposta ? rappresentativo della reazione comportamentale del soggetto di interesse a un rispettivo secondo stimolo fornito. In dettaglio, il database ? configurato per archiviare i secondi dati di analisi e i secondi dati di risposta.
Preferibilmente, il metodo comprende la fase di archiviare, tramite l?unit? di controllo, i secondi dati di analisi e i secondi dati di risposta nel database di dati e la fase di estrapolare dallo stesso database di dati, tramite l?unit? di controllo, un secondo insieme comprendente secondi dati di analisi e secondi dati di risposta del soggetto di interesse.
Nella forma realizzativa preferita, il metodo comprende le fasi di:
- elaborare, tramite l?unit? di controllo, il secondo insieme per generare una seconda correlazione tra ciascun secondo dato di analisi e il rispettivo secondo dato di risposta del primo insieme,
- confrontare almeno una prima correlazione con almeno una rispettiva seconda correlazione associata all?almeno una prima correlazione per convalidare o confutare tale prima correlazione.
Preferibilmente, i secondi dati di analisi e rispettivi secondi dati di risposta consentono la generazione di seconde correlazioni. Preferibilmente, almeno una seconda correlazione ? associata a una rispettiva prima correlazione. Il metodo della presente invenzione consente di verificare la veridicit? della prima correlazione attraverso il confronto con la rispettiva seconda correlazione associata. In altre parole, se la prima correlazione e la seconda correlazione ad essa associata sono relative rispettivamente a primi e secondi dati di analisi uguali tra loro e primi e secondi dati di risposta uguali tra loro, la prima correlazione ? convalidata, viceversa ? confutata.
In aggiunta, il metodo comprende la fase di fornire un algoritmo di correlazione diretta.
In particolare, la fase di elaborare il primo insieme comprende eseguire l?algoritmo di correlazione fornendo in ingresso ciascun primo dato di analisi e ciascun primo dato di risposta del primo insieme. La fase di elaborare il secondo insieme comprende la fase di eseguire l?algoritmo di correlazione fornendo in ingresso ciascun secondo dato di analisi e ciascun secondo dato di risposta del secondo insieme.
Preferibilmente, la fase di identificare oggetti attivi configurati per avere potenziale evocativo comprende intervistare conoscenti del soggetto di interesse per ricercare oggetti di vita quotidiana dello stesso soggetto di interesse e la fase di definire come oggetto attivo ciascun oggetto di vita quotidiana del soggetto di interesse avente potenziale evocativo. Ad esempio, un oggetto attivo pu? essere una fotografia in cui ? raffigurata la famiglia del soggetto di interesse.
Sempre preferibilmente, il metodo comprende la fase di fornire un algoritmo di predizione. Ancora preferibilmente, l?algoritmo di predizione ? un algoritmo di regressione. In particolare, la fase di elaborare, tramite l?unit? di controllo, ciascuna prima correlazione comprende la fase di eseguire l?algoritmo di predizione fornendo in ingresso ciascuna prima correlazione.
Claims (7)
1. Metodo per la correlazione e predizione di dati associati a un soggetto di interesse, comprendente le fasi di:
- fornire un?unit? di controllo e un database di dati in comunicazione di segnale tra loro, - identificare oggetti attivi, ciascun oggetto attivo essendo configurato per avere un potenziale evocativo per un soggetto di interesse,
- fornire primi stimoli al soggetto di interesse in funzione degli oggetti attivi identificati, - generare, tramite l?unit? di controllo, primi dati di analisi, ciascun primo dato di analisi essendo rappresentativo di un rispettivo primo stimolo, detto database di dati essendo configurato per archiviare detti primi dati di analisi,
- registrare una prima reazione comportamentale del soggetto di interesse per ciascun primo stimolo fornito,
- generare, tramite l?unit? di controllo, primi dati di risposta, ciascun primo dato di risposta essendo rappresentativo della reazione comportamentale del soggetto di interesse a un rispettivo primo stimolo fornito, detto database essendo configurato per archiviare detti primi dati di risposta,
- archiviare, tramite l?unit? di controllo, detti dati di analisi e dati di risposta in detto database di dati,
- estrapolare dal database di dati, tramite l?unit? di controllo, un primo insieme comprendente primi dati di analisi e primi dati di risposta del soggetto di interesse, - elaborare, tramite l?unit? di controllo, detto primo insieme per generare una prima correlazione tra ciascun primo dato di analisi e il rispettivo primo dato di risposta del primo insieme,
- elaborare, tramite l?unit? di controllo, ciascuna prima correlazione per generare una rispettiva predizione di reazione comportamentale del soggetto di interesse a un rispettivo secondo stimolo,
- fornire secondi stimoli al soggetto di interesse in funzione di rispettive predizioni.
2. Metodo secondo la rivendicazione precedente, comprendente le fasi di:
- registrare una seconda reazione comportamentale del soggetto di interesse per ciascun secondo stimolo fornito,
- confrontare almeno una seconda reazione comportamentale con la rispettiva predizione per convalidare o confutare detta rispettiva predizione.
3. Metodo secondo la rivendicazione precedente, comprendente le fasi di:
- generare, tramite l?unit? di controllo, secondi dati di analisi, ciascun secondo dato di analisi essendo rappresentativo di un rispettivo secondo stimolo, detto database essendo configurato per archiviare detti secondi dati di analisi,
- generare, tramite l?unit? di controllo, secondi dati di risposta, ciascun secondo dato di risposta essendo rappresentativo della reazione comportamentale del soggetto di interesse a un rispettivo secondo stimolo fornito, detto database essendo configurato per archiviare detti secondi dati di risposta,
- archiviare, tramite l?unit? di controllo, i secondi dati di analisi e i secondi dati di risposta in detto database di dati,
- estrapolare dal database di dati, tramite l?unit? di controllo, un secondo insieme comprendente secondi dati di analisi e secondi dati di risposta del soggetto di interesse, - elaborare, tramite l?unit? di controllo, detto secondo insieme per generare una seconda correlazione tra ciascun secondo dato di analisi e il rispettivo secondo dato di risposta del primo insieme,
- confrontare almeno una prima correlazione con almeno una rispettiva seconda correlazione associata all?almeno una prima correlazione per convalidare o confutare detta prima correlazione.
4. Metodo secondo la rivendicazione precedente, comprendente la fase di fornire un algoritmo di correlazione diretta,
e in cui la fase di elaborare il primo insieme e la fase di elaborare il secondo insieme comprendono la fase di:
- eseguire detto algoritmo di correlazione fornendo in ingresso rispettivamente ciascun primo o secondo dato di analisi e ciascun primo o secondo dato di risposta del rispettivo primo o secondo insieme.
5. Metodo secondo una qualsiasi delle rivendicazioni precedenti, in cui la fase di identificare oggetti attivi configurati per avere un potenziale evocativo per un soggetto di interesse comprende le fasi di:
- intervistare conoscenti del soggetto di interesse per ricercare oggetti di vita quotidiana di detto soggetto di interesse,
- definire come oggetto attivo ciascun oggetto di vita quotidiana del soggetto di interesse avente potenziale evocativo.
6. Metodo secondo una qualsiasi delle rivendicazioni precedenti, comprendente la fase di fornire un algoritmo di predizione,
e in cui la fase di elaborare, tramite l?unit? di controllo, ciascuna prima correlazione comprende la fase di:
- eseguire detto algoritmo di predizione fornendo in ingresso ciascuna prima correlazione.
7. Metodo secondo la rivendicazione precedente, in cui detto algoritmo di predizione ? un algoritmo di regressione.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102021000026999A IT202100026999A1 (it) | 2021-10-20 | 2021-10-20 | Metodo per la correlazione e predizione di dati associati a un soggetto di interesse |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102021000026999A IT202100026999A1 (it) | 2021-10-20 | 2021-10-20 | Metodo per la correlazione e predizione di dati associati a un soggetto di interesse |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| IT202100026999A1 true IT202100026999A1 (it) | 2023-04-20 |
Family
ID=79601961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| IT102021000026999A IT202100026999A1 (it) | 2021-10-20 | 2021-10-20 | Metodo per la correlazione e predizione di dati associati a un soggetto di interesse |
Country Status (1)
| Country | Link |
|---|---|
| IT (1) | IT202100026999A1 (it) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107438398A (zh) * | 2015-01-06 | 2017-12-05 | 大卫·伯顿 | 移动式可穿戴的监控系统 |
| WO2018027080A1 (en) * | 2016-08-03 | 2018-02-08 | Akili Interactive Labs, Inc. | Cognitive platform including computerized evocative elements |
| KR20190027354A (ko) * | 2016-04-08 | 2019-03-14 | 비짜리오 인코포레이티드 | 비전 성능 데이터를 획득, 분석 및 생성하고 비전 성능 데이터에 기반하여 미디어를 수정하기 위한 방법 및 시스템 |
-
2021
- 2021-10-20 IT IT102021000026999A patent/IT202100026999A1/it unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107438398A (zh) * | 2015-01-06 | 2017-12-05 | 大卫·伯顿 | 移动式可穿戴的监控系统 |
| KR20190027354A (ko) * | 2016-04-08 | 2019-03-14 | 비짜리오 인코포레이티드 | 비전 성능 데이터를 획득, 분석 및 생성하고 비전 성능 데이터에 기반하여 미디어를 수정하기 위한 방법 및 시스템 |
| WO2018027080A1 (en) * | 2016-08-03 | 2018-02-08 | Akili Interactive Labs, Inc. | Cognitive platform including computerized evocative elements |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Alsaade et al. | [Retracted] Classification and Detection of Autism Spectrum Disorder Based on Deep Learning Algorithms | |
| Haque et al. | State-of-the-art of stress prediction from heart rate variability using artificial intelligence | |
| US20190239791A1 (en) | System and method to evaluate and predict mental condition | |
| WO2020054918A1 (ko) | 인지 장애 진단 방법 및 컴퓨터 프로그램 | |
| Bravo et al. | Ambient intelligence for health environments | |
| Haque et al. | Diabetic sensorimotor polyneuropathy severity classification using adaptive neuro fuzzy inference system | |
| KR102798691B1 (ko) | 딥러닝기반 모델 및 원칙기반 모델 통합 심전도 판독 시스템 | |
| Fugini et al. | WorkingAge: providing occupational safety through pervasive sensing and data driven behavior modeling | |
| Faiem et al. | Assessment of Parkinson’s disease severity using gait data: A deep learning-based multimodal approach | |
| Staffa et al. | EEG-based machine learning models for emotion recognition in HRI | |
| Mishra et al. | A neoteric parametric representation and classification of ECG signal | |
| Hemanth Reddy et al. | Prediction of cardiovascular diseases in diabetic patients using machine learning techniques | |
| IT202100026999A1 (it) | Metodo per la correlazione e predizione di dati associati a un soggetto di interesse | |
| CN119108111A (zh) | 状态信息预测方法、装置、电子设备及存储介质 | |
| Singla et al. | Progressing speech disorder identification: A thorough investigation into dysarthria categorization utilizing ResNet50 CNN | |
| Lebedev et al. | Remote recognition of human emotions using deep machine learning of artificial neural networks | |
| Habuza et al. | Deep learning for predicting cognitive gap as a reliable biomarker of dementia | |
| Durkee et al. | Multi-model approach to human functional state estimation | |
| Li et al. | Learner’s cognitive state recognition based on multimodal physiological signal fusion | |
| Diwaker et al. | Survey on IoT health care techniques | |
| Jyoti et al. | The Transformative Impact of AI and Machine Learning on Human Psychology | |
| Muke et al. | Investigation and Prediction of Cognitive Load During Memory and Arithmetic Tasks | |
| Lahari et al. | Enhanced NeuroX: Advanced Algorithms for Neurological Cognitive Dysfunction | |
| Lee | Medical Healthcare Digital Twin Reference Platform | |
| Rakesh et al. | Detection of Glaucoma Using MobileNet, XAI, and IML |