MEResNextを使用して自閉症スペクトル障害を検出するための新しいハイブリッド深層学習モデル

科学分野:

• 神経学
• 人工知能
• 医療診断

背景:

• 自閉症スペクトル障害 (ASD) は,社会的相互作用,コミュニケーション,繰り返しの行動における課題を特徴とする神経学的状態です.
• 早期発見と介入は ASDの管理に不可欠で 広範な評価や高価な医療処置の必要性を 減らす可能性があります
• ASDの早期診断は 長期的な影響を軽減し 症状の深刻さを軽減します

研究 の 目的:

• 自閉症スペクトル障害 (ASD) の正確な検出のためのハイブリッドのディープラーニング方法を開発し,評価する.
• 先進的な特徴選択と分類技術を通じて,ASD診断の既存のモデルを改良する.

主な方法:

• ハイブリッド・ディープ・ラーニングのアプローチで 3つの段階があります 前処理,特徴の選択,ASDの検出です
• データの事前処理は,ノイズとアーティファクトの除去のためにYeo-Jhonson変換を使用した.
• 特徴の選択は,ダブルエクスポネンショナル・スムージング・エルク・ハード・オプティマイザー (DeSEHO) を使用し,ダブルエクスポネンシャル・スムージング (DES) をエルク・ハード・オプティマイザー (EHO) と統合しました.
• ASDの検出は,Moments Embedding Network (MoNet) とResNeXtの融合であるMEResNeXtを使用して行われました.

主要な成果:

• 提案されたMEResNeXtモデルは,従来のモデルと比較して優れたパフォーマンスを示しました.
• 95. 3%の精度,96. 5%の感度,94. 8%の特異性を達成した.
• ハイブリッド・ディープ・ラーニング・メソッドはASD分類の重要な特徴を効果的に特定しました

結論:

• MEResNeXtモデルは 自閉症スペクトル障害の検出のための ディープラーニングの重要な進歩を表しています
• この研究は,精密な効率的な神経疾患診断のためのハイブリッドAIアプローチの可能性を強調しています.
• ASDを早期に 正確に検出することで 患者の治療結果が改善されます