Automatizovaná diagnóza vývojové dysgrafie založená na kvantitativní analýze online písma

Simple item page
dc.contributor.authorZvončák, Vojtěch
dc.contributor.authorŠafárová, Katarína
dc.contributor.authorMekyska, Jiří
dc.contributor.authorMucha, Ján
dc.contributor.authorKiska, Tomáš
dc.contributor.authorLosenická, Barbora
dc.contributor.authorČechová, Barbora
dc.contributor.authorFrancová, Pavlína
dc.contributor.authorSmékal, Zdeněk
dc.coverage.issue2cs
dc.coverage.volume20cs
dc.date.accessioned2023-10-09T07:56:09Z
dc.date.available2023-10-09T07:56:09Z
dc.date.issued2018-04-30cs
dc.description.abstractPrevalence problémů s psaním mezi dětmi školního věku je mezi 10 až 30 %. V současné době neexistuje v České republice objektivní metoda pro diagnózu a hodnocení míry závažnosti vývojové dysgrafie (VD). Cílem této studie je představit novou metodu objektivní diagnózy VD založené na kvantitativní analýze online písma. K tomuto účelu jsme extrahovali ze tří písemných cvičení sadu prostorových, časových, kinematických a dynamických parametrů. Pro identifikaci parametrů s vysokou diskriminační silou jsme následně provedli korelační analýzu mezi těmito parametry a skóry dotazníku HPSQ (Handwriting Proficiency Screening Questionnaire). Použitím klasifikátoru založeného na náhodných lesech v kombinaci s kvantifikací cvičení psaní abecedy jsme dosáhli přesnosti klasifikace téměř 80 % (sensitivita 77 %, specificita 83 %). Přesnost byla zvýšena na 92 % (sensitivita 92 %, specificita 93 %) aplikováním metody sekvenčního dopředného plovoucího výběru parametrů SFFS (Sequential Floating Forward Selection). Tato pilotní studie potvrzuje možnost automatizované diagnózy VD u dětí, které píšou psaným spojovaným písmem.cs
dc.description.abstractThe prevalence of handwriting difficulties among school-aged children is around 10–30 %. Until now, there is no objective method to diagnose and rate developmental dysgraphia (DD) in Czech Republic. The goal of this study is to propose a new method of objective DD diagnosis based on quantitative analysis of online handwriting. For this purpose, we extracted a set of spatial, temporal, kinematic and dynamic features from three handwriting tasks. Consequently, we performed a correlation analysis between these features and score of handwriting proficiency screening questionnaire (HPSQ), in order to identify parameters with a good discrimination power. Using random forests classifier in combination with quantification of alphabet writing task, we reached nearly 80 % classification accuracy (77 % sensitivity, 83 % specificity). The classification accuracy was increased to 92 % (92 % sensitivity, 93 % specificity) by employing SFFS (Sequential Forward Feature Selection) method. This pilot study proves the possibility of automatic DD diagnosis in children cohort writing with cursive letters.en
dc.formattextcs
dc.format.extent53-57cs
dc.format.mimetypeapplication/pdfen
dc.identifier.citationElektrorevue. 2018, vol. 20, č. 2, s. 53-57. ISSN 1213-1539cs
dc.identifier.issn1213-1539
dc.identifier.urihttp://hdl.handle.net/11012/214231
dc.language.isocscs
dc.publisherInternational Society for Science and Engineering, o.s.cs
dc.relation.ispartofElektrorevuecs
dc.relation.urihttp://www.elektrorevue.cz/cs
dc.rights(C) 2018 Elektrorevueen
dc.rights.accessopenAccessen
dc.titleAutomatizovaná diagnóza vývojové dysgrafie založená na kvantitativní analýze online písmacs
dc.title.alternativeDiagnosis of Developmental Dysgraphia Based on Quantitative Analysis of Online Handwritingen
dc.type.driverarticleen
dc.type.statusPeer-revieweden
dc.type.versionpublishedVersionen
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
clanek_09_30.04.2018.pdf
Size:
2.85 MB
Format:
Adobe Portable Document Format
Description:
Download
Collections
2018, Vol. 20