Jul, 2023

AsdKB：自闭症谱系障碍早期筛查和诊断的中文知识库

PDF
TL;DR为轻松获取关于自闭症谱系障碍的知识，并帮助早期筛选和诊断，我们创建了 AsdKB，一个关于自闭症谱系障碍的中文知识库。该知识库基于多种来源，包括疾病知识来自 SNOMED CT 和 ICD-10 临床描述的精神和行为障碍，诊断知识来自 DSM-5 和由社会组织和医学研究所推荐的不同筛查工具，以及来自 Web 上的专业医生和医院的专业知识。AsdKB 包含本体和事实知识，并可通过 Linked Data 进行访问。AsdKB 的潜在应用包括问答、辅助诊断和专家推荐，我们通过一个原型来说明这些应用，可以通过该链接访问。
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

  • 通过 INDT-ASD 印度数据库利用机器学习进行早期自闭症检测

    通过使用机器学习开发了一种简便、快速和低成本的方法来识别自闭症，其中支持向量机作为最优模型具有更高的准确率、更高的召回率以及相对于随机森林提高了 2.22％至 6.67％的准确率。

    Apr, 2024

  • MMASD：自闭症干预分析的多模态数据集

    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。

    Jun, 2023

  • DDXPlus: 自动医学诊断新数据集

    本文提出了一个大规模的综合数据集，包括大约 1.3 百万患者的诊断、症状和先决条件的差异诊断，用于自动症状检测和自动诊断系统的训练，以帮助医生更好地了解这些系统的推理。

    May, 2022

  • 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

  • 基于路径签名和孪生自编码器的自闭症早期诊断

    针对 2 岁以下儿童的传统的基于交流和行为模式的诊断方法不够可靠，因此我们提出了一种深度学习的方法来提取关键特征从病态的、类不平衡和异质的结构 MR 图像中进行早期的自闭症诊断，该方法通过 Siamese 验证框架扩展稀缺数据，通过无监督压缩器抑制数据不平衡，通过权重约束解决样本异质性，并使用 Path Signature 来纵向解读两个时间点的数据，以此有效的完成了早期自闭症的诊断。

    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

  • 解谜自闭症谱系的异质性：ABIDE I 数据库中的数据 / 模型驱动置换测试方法的见解

    使用来自 ABIDE I 数据库的结构性磁共振成像（sMRI）数据，评估受试者的状况和不同中心之间的差异，揭示自闭症和正常对照组之间的结构性脑区别的局限性。

    Apr, 2024

  • 自閉症譜系障礙韓國兒童言語語料庫：朝向自動評估系統

    本文介绍了一个专门针对韩国自闭症儿童开发的语音语料库，旨在推进发音和严重程度评估等语音技术。通过对自闭症儿童的语音和语言评估会话录音进行转录和注释，提取语音数据并分析语音和语言特征，揭示了自闭症儿童的一些与典型发育儿童或通过临床评分分类的自闭症亚组有所不同的语音和语言特征，为社交沟通严重程度和发音熟练度的自动评估系统的开发提供了潜力。

    Feb, 2024

  • 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