返回
Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults Using Source-Free Domain Adaptation: Algorithm Development and Validation
DOI:10.2196/79123.png)
摘要
En 中文
背景:老年人群认知能力下降在全球范围内构成前所未有的挑战。近期研究显示,认知训练计划在缓解认知能力下降方面具有潜力。然而,这些干预措施需要持续坚持才能有效,这可能存在挑战。目的:本研究旨在提高对老年人认知训练计划坚持模式的预测准确性,以期开发个性化支持系统,促进坚持并改善认知结果。方法:在开发用于预测坚持模式的深度神经网络时,主要挑战是个体参与者训练数据的有限可用性。尽管领域自适应技术可以通过利用其他临床研究的训练数据来解决此问题,但本研究考虑了更实际的场景,即由于隐私和保密问题,使用其他研究的数据受到限制。因此,我们采用了无源领域自适应(SFDA),该技术使用在其他认知研究中训练的模型,无需访问相应的数据集。据我们所知,这是首次尝试使用SFDA来预测老年人对认知训练计划的日常坚持情况。结果:通过使用3项先前进行的认知训练干预研究的数据,我们的结果显示,结合SFDA的深度学习模型在准确预测坚持中断的同时,解决了数据隐私问题。结论:我们的发现表明,深度学习和SFDA技术可用于开发计算机化认知训练的坚持支持系统,旨在改善老年人的健康和福祉。
Keyword:
source-free domain adaptation
adherence prediction
cognitive training
data privacy
artificial intelligence
AI
期刊
IF:
4.8
论文数:
502
被引数:
1.4K
机构
引用论文
Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults: Study of Domain Adaptation and Deep Learning
JMIR AGING
IF4.8
A Theoretical Framework for the Study of Adult Cognitive Plasticity成人认知可塑性研究的理论框架
PSYCHOLOGICAL BULLETIN
IF19.8
Investigating the Role of Individual Differences in Adherence to Cognitive Training探究个体差异在认知训练依从性中的作用


