autism spectrum disorder | BriefGPT

关键词autism spectrum disorder

搜索结果 - 41

计算分析思维障碍伴有精神分裂和孤独症特质的语言特征
通过机器学习的分数预测，本文调查了奇怪言辞子量表与总量表和社会响应性量表之间的关联；找出了调取奇怪言辞子量表症状的最适合任务；发现消极记忆中较长的言辞会引发更多的奇怪言辞症状；证实了功能词和抽象及时间特征对奇怪言辞估计的重要性，并发现了 S
PDF9 months ago
EAG-RS: 一种基于可解释性的自闭症诊断的区域选择框架，通过区域间关系学习
基于静息态功能磁共振成像 (rs-fMRI) 的深度学习模型被广泛应用于诊断脑疾病，尤其是自闭症谱系障碍 (ASD)。本文提出了一种新颖的可解释的感兴趣区域 (ROI) 选择框架（EAG-RS），通过利用可解释的人工智能技术识别脑区之间的非
PDF9 months ago
情感模式个性化：促进神经精准健康干预的可行性研究
研究论文探讨了针对自闭症谱系障碍儿童的数字化移动治疗中情绪识别和唤起的挑战，通过模型个性化训练来提高情绪识别模型在数字化健康疗法中的性能。
PDF10 months ago
拷贝数变异指导基于 fMRI 的自闭症谱系障碍预测
针对孤独症谱系障碍（ASD）的多因素发病学认识，本研究提出了一种融合遗传、人口统计和神经影像数据的整合模型，采用基因数据引导对模型预测重要性的神经影像特征进行修饰的注意力机制，进一步提高 ASD 分类和严重程度预测的性能。
PDFa year ago
AsdKB：自闭症谱系障碍早期筛查和诊断的中文知识库
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 DS
PDFa year ago
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
PDFa year ago
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
PDFa year ago
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
PDFa year ago
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。
PDFa year ago
使用深度学习方法筛选儿童自闭症谱系障碍：通过与其他模型进行比较来评估 YOLOv8 的分类模型
本研究使用 YoloV8 模型对 Kaggle 数据集中的面部图像进行分析，通过深度学习技术帮助自闭症儿童的诊断和分类，以提高早期干预和治疗效果。
PDFa year ago
社区感知变压器用于 fmri 连接组自闭症预测
使用功能性磁共振成像 (fMRI) 构建大脑功能连通图能够帮助理解和诊断自闭症谱系障碍 (ASD) 的特点，进而提高治疗效果。提出了一种层次化的局部 - 全局 Transformer 架构 Com-BrainTF，能够学习到考虑社群内外关联
PDFa year ago
利用预训练语音嵌入理解 ASD 儿童的口语语言发展
本研究旨在提出使用语音处理技术进行自动化评估儿童口语发展的应用，并通过对自然语言样本分析，对使用智能辅助诊断提供了可行性，其实验结果表明 F1 宏分数分别为 82.6% 和 67.8%。
PDFa year ago
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。
PDFa year ago
自闭症典型行为的无监督视频异常检测
本文采用计算机视觉技术进行自动检测孤独症谱系障碍 (Autism Spectrum Disorder, ASD) 患者的刻板行为，并从非监督学习的角度解决监督学习方法难以应用于多种类型的刻板行为且数据难以获取的问题。通过提出一种基于 DS-
PDFa year ago
ViTASD: 自闭症谱系障碍面部诊断的稳健视觉 Transformer 基线
本文引入了 Vision Transformer 方法 ViTASD，通过提取患者面部图片中的特征来分析小儿孤独症的症状，相关实验表明，该方法在小儿孤独症面部分析方面表现优异，ViTASD-L 更是取得了最新的最优效果。
PDF2 years ago
Meta-RegGNN: 基于图神经网络和元学习预测言语和全量智商得分
提出了一种用于预测行为分数的新型回归图神经网络 Meta-RegGNN，具有在研究神经发育紊乱方面的重要意义，实验结果表明其预测智商的性能优于现有方法，并且能够在自闭症谱系障碍领域提高泛化性。
PDF2 years ago
基于深度强化学习的自闭症谱系障碍 fMRI 预测
本研究使用深度强化学习算法（DRL）与监督深度学习算法（SDL）对小型 fMRI 数据集进行分类，结果表明 DRL 在准确率与泛化能力方面都优于 SDL，且对训练数据具有更高的数据利用率。
PDF2 years ago
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。
PDF2 years ago
KDD通过对比子图解释的脑网络分类
本文介绍了一种用于分类脑网络的新方法：通过提取对比子图来建立简单而可解释的模型，该方法在分类准确度上表现优异，并在分析自闭症谱系障碍儿童和正常儿童的脑网络数据集时发现了与神经科学文献中的背景知识相符的有趣模式。
PDF4 years ago
自闭症谱系障碍分类的图卷积神经网络引导
通过图卷积神经网络模型，以自动构建图的方式，预测自闭症患者的大脑活动模式，同时有效解决了图构建不鲁棒性问题，其性能准确，具有更强的鲁棒性。
PDF7 years ago