Jun, 2023

MMASD：自闭症干预分析的多模态数据集

PDF
TL;DR该研究提出了一种隐私保护的开源数据集 MMASD，它包括来自 32 个 ASD 儿童游戏治疗干预的数据，被分割成超过 100 个小时的干预录音，并由四个隐私保护数据模式组成，可帮助研究人员了解儿童的认知状态，监测他们在治疗期间的进展，并相应地定制治疗计划。
autism spectrum disorder (asd)machine learning techniquesmmasdprivacy-preserving data sharingplay therapy interventions
发现论文，激发创造
  • 机器学习方法在自闭症谱系障碍的早期诊断中的应用

    利用不同机器学习算法研究自闭症的诊断方法，发现了最重要的特征并自动化了诊断过程，同时采用流行的聚类算法对数据集进行了进一步分析，得出了最佳聚类模型。

    Sep, 2023

  • 介绍 CALMED：用于自闭症儿童情绪检测的多模态注释数据集

    介绍了建立一个包括自闭症儿童的多模态情感检测数据集 CALMED 的经验和方法，该数据集包括从参与者的研究会话录音文件中提取的音频和视频特征，并附有父母提供的四个目标类别的注释，共有 57,012 个示例，每个示例表示 200 毫秒（0.2 秒）的时间窗口，旨在为将情感计算应用于 ASD 的未来研究做出贡献。

    Jul, 2023

  • 基于对比变分自动编码器提取的结构 MRI 特征的儿童孤独症谱系障碍分类

    本文探讨使用对比变分自编码器（CVAE）提取结构磁共振成像（s-MRI）特征进行儿童自闭症谱系障碍（ASD）机器分类的方法，数据来自深圳市儿童医院，使用转移学习策略提高预测精度，并针对不同大脑区域进行了神经解剖解释。

    Jul, 2023

  • 自闭症检测的概率深度学习方法比较

    研究使用机器学习来加速 ASD 检测和诊断的最新概率方法，着重评估其适用的数据集类型、准确性以及在 ASD 分类中的表现。

    Mar, 2023

  • 基于结构 MRI 的自闭症谱系障碍分类元数据研究

    本文研究了三类 meta-data 对来自 20 个不同来源的结构性 MRI 数据的自闭症谱系障碍分类预测准确性的影响。

    Jun, 2022

  • 基于深度学习的视频自闭症检测

    自闭症谱系障碍 (ASD) 对儿童的生活常常造成困难，因此早期诊断对于正确的治疗和关怀是必要的。为了帮助医疗专业人员早期发现，我们提出了一种分析儿童对感官刺激反应的深度学习模型，旨在捕捉 ASD 和非 ASD 患者之间反应和行为的关键差异。与许多 ASD 分类中的研究不同，我们的数据是由 MRI 数据组成，这需要昂贵的专用 MRI 设备，而我们的方法仅依赖于一台相对较便宜的 GPU、一套不错的计算机配置和一个用于推断的视频摄像机。我们的数据结果表明，我们的模型能够很好地进行泛化并理解患者不同运动之间的关键差异，尽管对于深度学习问题的数据量有限，模型输入上有限的时间信息和因运动而产生的噪音。

    Feb, 2024

  • 使用原始视频的卷积流程检测儿童自我刺激行为的 SSBD + 数据集

    通过机器学习和深度学习方法，提出了一种新的流程模型来检测自我刺激行为，从而帮助诊断孤独症谱系障碍（ASD）。通过扩充自我刺激行为数据集（SSBD）并使用新的标签，结合深度学习模型，实现了针对实时、免提自动诊断的模型，准确率达到约 81%。

    Nov, 2023

  • 利用机器学习探索自闭症中的言语模式障碍

    通过分析检查者 - 患者对话，本研究提供一种综合方法，用于识别独特的语音模式，并利用机器学习在自闭症谱系障碍 (ASD) 的诊断过程中支持早期检测和个性化治疗规划。

    May, 2024

  • 预训练即所需：一种基于多重图谱增强 Transformer 框架的自闭症谱系障碍分类方法

    利用多层图形转化神经网络（METAFormer）模型和自主预训练技术对 407 个孤独症谱系障碍（ASD）患者和 476 个对照组（TC）被试的大脑静息态功能磁共振成像数据进行分类，结果表明，该模型在分类准确性和 AUC 得分等方面优于现有技术。

    Jul, 2023

  • 自闭症谱系障碍对话分析的参数选择

    我们通过分析从心理学家与典型发育或患有自闭症谱系障碍（ASD）的儿童之间的诊断对话中提取的声学 / 韵律和语言特征，提出了一种 ASD 诊断的建模方法。我们比较不同特征在一系列对话任务中的贡献，并着重寻找表征患有 ASD 的儿童对话行为的最小参数集。除了分析儿童的行为外，我们还研究心理学家的对话行为是否在不同的诊断群体之间有所变化。我们的结果有助于对 ASD 儿童的对话数据进行细粒度分析，以支持诊断和干预。

    Jan, 2024