导读 根据 5 月 25 日在线发表在JAMA Network Open上的一项研究，基于联合注意力的深度学习系统为区分自闭症谱系障碍 (ASD) 和典型发育
根据 5 月 25 日在线发表在JAMA Network Open上的一项研究，基于联合注意力的深度学习系统为区分自闭症谱系障碍 (ASD) 和典型发育 (TD) 提供了良好的预测性能。
韩国首尔延世大学医学院的 Chanyoung Ko 医学博士及其同事训练了深度学习模型，以区分 ASD 和 TD 并区分 ASD 症状的严重程度。对患有和不患有 ASD 的儿童进行了联合注意任务，并从多个机构获得了视频数据。110 名儿童中有 95 名完成了学习措施。分析人群包括 45 名患有 ASD 的儿童和 50 名患有 TD 的儿童。
研究人员观察到深度学习 ASD 与 TD 模型在启动联合注意方面具有良好的预测性能(IJA;受试者工作特征曲线下面积 [AUROC]，99.6%;准确率，97.6%;精确率，95.5%;召回率，99.2百分);对联合注意力的低水平反应(RJA;AUROC，99.8%;准确率，98.8%;准确率，98.9%;召回率，99.1%);和高级 RJA(AUROC，99.5%;准确率，98.4%;精确率，98.8%;召回率，98.6%)。在基于深度学习的 ASD 症状严重程度模型中，IJA、低水平 RJA 和高水平 RJA 具有合理的预测性能。
作者写道：“我们相信，我们的研究为通过适用于计算机视觉和深度学习并适用于广泛的神经精神疾病的标准化视频数据采集设置收集行为生物标志物的大型数据集开辟了可能性。”
标签：
免责声明：本文由用户上传，如有侵权请联系删除！