联合引起AI系统有助于检测自闭症

联合引起深度学习系统提供了良好的预测性能区分自闭症谱系障碍(ASD)从典型的开发(TD), 5月25日在网上发表的一项研究显示《美国医学会杂志》网络开放。

Chanyoung Ko,医学博士从首尔延世大学医学院,韩国,和他的同事们训练深度学习从TD模型区分ASD,区分自闭症症状的严重性。共同注意力的任务管理,没有自闭症儿童,和视频数据得到来自多个机构。九十五年110儿童完成研究的措施。分析人口包括45 ASD患儿,用TD 50。

研究人员观察到良好的预测性能的深度学习ASD和TD模型发起联合注意(IJA;接受者操作特征曲线下面积(AUROC) 99.6%;准确性,97.6%;精度,95.5%;和回忆,99.2%);低级响应共同注意力(RJA;AUROC, 99.8%;准确性,98.8%;精度,98.9%;和回忆,99.1%); and high-level RJA (AUROC, 99.5 percent; accuracy, 98.4 percent; precision, 98.8 percent; and recall, 98.6 percent). Reasonable predictive performance was seen for IJA, low-level RJA, and high-level RJA in the deep learning-based ASD symptom severity models.

“我们相信,我们的研究打开了收集大型数据集的可能性行为通过标准化的视频数据采集设置适合生物标志物计算机视觉和深度学习和适用于广泛的神经精神疾病,”作者写道。

两位作者披露LumanLab关系,三披露拥有专利的方法和装置在幼儿发育障碍严重程度的诊断基于共同的关注。

版权©2023每日健康。保留所有权利。