根據(jù) 5 月 25 日在線發(fā)表在JAMA Network Open上的一項研究,基于聯(lián)合注意力的深度學習系統(tǒng)為區(qū)分自閉癥譜系障礙 (ASD) 和典型發(fā)育 (TD) 提供了良好的預測性能。
韓國首爾延世大學醫(yī)學院的 Chanyoung Ko 醫(yī)學博士及其同事訓練了深度學習模型,以區(qū)分 ASD 和 TD 并區(qū)分 ASD 癥狀的嚴重程度。對患有和不患有 ASD 的兒童進行了聯(lián)合注意任務,并從多個機構獲得了視頻數(shù)據(jù)。110 名兒童中有 95 名完成了學習措施。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習 ASD 與 TD 模型在啟動聯(lián)合注意方面具有良好的預測性能(IJA;受試者工作特征曲線下面積 [AUROC],99.6%;準確率,97.6%;精確率,95.5%;召回率,99.2百分);對聯(lián)合注意力的低水平反應(RJA;AUROC,99.8%;準確率,98.8%;準確率,98.9%;召回率,99.1%);和高級 RJA(AUROC,99.5%;準確率,98.4%;精確率,98.8%;召回率,98.6%)。在基于深度學習的 ASD 癥狀嚴重程度模型中,IJA、低水平 RJA 和高水平 RJA 具有合理的預測性能。
作者寫道:“我們相信,我們的研究為通過適用于計算機視覺和深度學習并適用于廣泛的神經(jīng)精神疾病的標準化視頻數(shù)據(jù)采集設置收集行為生物標志物的大型數(shù)據(jù)集開辟了可能性。”
標簽:
免責聲明:本文由用戶上傳,與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考,并不構成投資建議。投資者據(jù)此操作,風險自擔。 如有侵權請聯(lián)系刪除!