ソーシャル・メディアの足跡に基づいたダブル・ディープ・Q・ネットワーク・フレームワークを用いて自閉症スペクトル障害の診断

科学分野:

• 神経科学
• コンピュータ言語学
• 人工知能

背景:

• ソーシャルメディアは医療における迅速な情報発信の ツールとして成長しています
• 自閉症スペクトル障害 (ASD) は デジタル・エンゲージメントに ユニークな課題と機会をもたらします
• ツイッターはASDコミュニティが 情報や経験を共有する 重要なプラットフォームです

研究 の 目的:

• 機械学習を使用して自閉症スペクトル障害 (ASD) を特定するためにTwitterデータを分析する.
• 自閉症の人の ソーシャル・メディアでの 行動特性と感情表現を 調べるためでした
• オンラインのやり取りを通じてASDを検出するAIモデルの有効性を評価する.

主な方法:

• ツイッターをASD関連のコンテンツを 分析する主要データ源として利用しました
• CNN-LSTM,LSTM,DDQNインスピレーションによるアプローチを含む高度なAIモデルを適用しました.
• テキストをクリアし,トークン化し,バイナリ分類のためにエンコードします.

主要な成果:

• DDQN-Inspiredモデルは,ASDを特定する高精度87%を達成しました.
• 提案されたアプローチは ソーシャルメディアのコンテンツからASDを 特定する大きな可能性を示しました
• 既存のシステムとの比較は,開発された枠組みの有効性を強調した.

結論:

• 開発されたシステムは デジタル・フットプリント内のASDの症状を 臨床医に助けることができます
• ソーシャル・メディアの テキスト・バリエーションを分析することで ASD関連の研究に 新たな方法が提供されます
• 人工知能によるソーシャルメディアの分析は ASDの患者を理解し 支援する可能性を秘めています