基于聯(lián)合注意力的人工智能系統(tǒng)有助于檢測(cè)自閉癥

根據(jù) 5 月 25 日在線發(fā)表在JAMA Network Open上的一項(xiàng)研究，基于聯(lián)合注意力的深度學(xué)習(xí)系統(tǒng)為區(qū)分自閉癥譜系障礙 (ASD) 和典型發(fā)育 (TD) 提供了良好的預(yù)測(cè)性能。

韓國(guó)首爾延世大學(xué)醫(yī)學(xué)院的 Chanyoung Ko 醫(yī)學(xué)博士及其同事訓(xùn)練了深度學(xué)習(xí)模型，以區(qū)分 ASD 和 TD 并區(qū)分 ASD 癥狀的嚴(yán)重程度。對(duì)患有和不患有 ASD 的兒童進(jìn)行了聯(lián)合注意任務(wù)，并從多個(gè)機(jī)構(gòu)獲得了視頻數(shù)據(jù)。110 名兒童中有 95 名完成了學(xué)習(xí)措施。分析人群包括 45 名患有 ASD 的兒童和 50 名患有 TD 的兒童。

研究人員觀察到深度學(xué)習(xí) ASD 與 TD 模型在啟動(dòng)聯(lián)合注意方面具有良好的預(yù)測(cè)性能(IJA;受試者工作特征曲線下面積 [AUROC]，99.6%;準(zhǔn)確率，97.6%;精確率，95.5%;召回率，99.2百分);對(duì)聯(lián)合注意力的低水平反應(yīng)(RJA;AUROC，99.8%;準(zhǔn)確率，98.8%;準(zhǔn)確率，98.9%;召回率，99.1%);和高級(jí) RJA(AUROC，99.5%;準(zhǔn)確率，98.4%;精確率，98.8%;召回率，98.6%)。在基于深度學(xué)習(xí)的 ASD 癥狀嚴(yán)重程度模型中，IJA、低水平 RJA 和高水平 RJA 具有合理的預(yù)測(cè)性能。

作者寫(xiě)道：“我們相信，我們的研究為通過(guò)適用于計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)并適用于廣泛的神經(jīng)精神疾病的標(biāo)準(zhǔn)化視頻數(shù)據(jù)采集設(shè)置收集行為生物標(biāo)志物的大型數(shù)據(jù)集開(kāi)辟了可能性。”

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！