超级会员免费看
计算智能在自闭症检测与管理中的应用
1. 自闭症检测中的计算智能
1.1 可穿戴设备与传感技术
可穿戴设备中嵌入的各种传感技术，如麦克风、心率监测器、运动传感器、加速度计和脉搏血氧仪等，能让我们更好地了解患者的疾病和症状。此外，基于视频、模拟、眼动追踪和虚拟现实的场景，相比基于问卷的方式，能更准确地评估自闭症（ASD）的诊断。这些设备可以收集关键的患者信息，然后使用机器学习（ML）和深度学习（DL）算法对其进行分析，以提取相关信息。基于物联网（IoT）设备的数据进行ASD的初步诊断，或许能为专业人士提供帮助。而且，物联网和机器学习系统允许在很少或无需健康专业人员参与的情况下进行大规模的初步诊断。因此，数据集在ASD的诊断中起着至关重要的作用。
1.2 数据集与方法
许多研究人员使用不同模态的数据进行研究，以识别ASD患者和神经典型人群之间的生物标志物和特征。文献中的多项研究报告了各种数据采集技术，以发现ASD、神经退行性疾病患者和神经典型患者之间生物标志物的差异。在每个数据集中标记这些基于关键生物标志物的特征，为不同背景的研究人员提供了未来的研究方向。由于创建数据集是一项需要多学科参与的繁琐任务，因此有几个数据集已公开可用，涵盖了从结构化数据到图像、音频和视频数据等多种模态。
以下是一些具体的数据集和相关研究方法：
|作者|方法|机器学习模型|数据类型|数据集大小|评估指标|局限性|年份|
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
|Carette [53]|基于LSTM神经网络的自动化技术，专注于阅读时眼睛的扫视部分|LSTM|
订阅专栏 解锁全文
2万+
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
