Jan, 2024

自闭症与注意力不足多动障碍的评估：绘图速度曲线与 NEPSY 测试的比较分析

PDF
TL;DR通过分析和比较使用数字平板收集的速度曲线所得到的结果与 NEPSY-II 评估中标准任务的结果，本文提出了一种基于速度曲线的观察量表，用于区分临床实践中难以区分的自闭症谱系障碍和注意缺陷多动障碍的挑战性病例。
发现论文，激发创造
  • iPAL：面向智能医疗的机器学习框架，用于自动诊断注意缺陷 / 多动障碍（ADHD）

    该研究使用机器学习和神经科学方法，基于 ADHD200 数据集进行多分类和二分类诊断生物标记，使用基于 MRI 数据的功能连接和表型数据的两个分类器通过集成技术实现了二分类的准确诊断，准确率达到 92.5%。

    Feb, 2023

  • 基于全身运动跟踪的特征工程和端到端深度学习在自闭症谱系障碍评估中的比较

    评估自闭症谱系障碍的动作学分析方法，比较手工制作特征和端到端模型在虚拟现实环境的有效性，结果显示端到端模型在动作一致性方面表现更好，但手工制作特征在特定任务方面表现出色。

    Nov, 2023

  • 基于机器学习的视频游戏在 5 至 12 岁儿童注意力缺陷多动障碍客观筛查中的有效性

    通过游戏表现和智能手机运动传感器评估核心症状，FishFinder 测试了 26 名患有 ADHD 的儿童和 26 名健康儿童，最终结论是 FishFinder 具有较强的识别儿童 ADHD 的能力，因此可以用作 ADHD 的客观筛查的一种经济实惠、易获得和有趣的方法。

    Dec, 2023

  • 基于骨架的动作分析用于 ADHD 诊断

    本文提出了一种基于骨骼动作识别的注意力缺陷多动障碍诊断系统，利用真实的多模式 ADHD 数据集和先进的检测算法。与传统方法相比，该方法在成本效益和性能方面均表现出色，适用于广泛的初步 ADHD 诊断和大规模筛查。

    Apr, 2023

  • 儿童图形表征评估工具简要回顾

    手写是儿童认知和学术发展的基本技能，但近几十年的技术和教育变革对手写的教学和评估产生了影响。本文通过对儿童手写分析的文献综述，包括发表的文章、研究参与者和评估儿童书写状态的方法的文献计量分析，旨在综合国际研究趋势。综述认为手写仍然是早期评估认知问题和进行早期干预的基本工具，分析了书写状态评估工具并强调了确定评估方法和整合数据库的重要性。

    Jun, 2024

  • 自闭症检测的人体手势与步态分析

    本研究使用姿态和步态活动视频进行自闭症分析，通过回归自闭症诊断观察量表分数，识别患有自闭症的儿童及其条件的严重程度，并提出了一个有效特征来展现不规则的姿态模式，通过双流协同学习框架全面理解姿势和自闭症之间的关系。

    Apr, 2023

  • 手写和绘画用于抑郁症检测：初步研究

    本研究使用在线手写和绘画分析工具区分健康个体和抑郁症患者的差异，结果表明时间特征对于区分亚临床抑郁症和健康组更具有效性，而导线和压力特征对于区分临床抑郁症和健康组更为有效。

    Feb, 2023

  • 儿童书写障碍自动诊断系统：调研和新框架

    该研究回顾了现有的针对儿童的自动化书写障碍诊断系统，重点关注基于人工智能的诊断系统，分析涉及的数据收集方法、手写特征和使用的机器学习算法，并探讨了一些非人工智能的自动化系统以及现有系统的不足之处，提出了一种新的诊断系统。

    Jun, 2022

  • 书写运动和书写障碍评分量表（GHDRS）：走向复杂和客观评估

    引入 GHDRS 图动观 - 书写障碍评估量表，实现客观复杂的计算机辅助 GD 和 HD 的诊断和评估。

    May, 2024

  • 帕金森病检测的动态增强静态手写表示

    这篇论文研究了使用动态增强的静态手写图像来诊断帕金森病，通过同时利用手写的静态和动态属性，提出了一种嵌入动态信息的静态表示方法，通过在同一数据集上与现有方法进行了公平比较，证明了动态增强的静态手写图像能够胜过独立使用静态和动态手写的结果，从而实现了非侵入性、低成本的计算机辅助诊断系统来支持临床医生的诊断和监测神经退行性疾病，特别是帕金森病的评估。

    May, 2024