ASD-TL GTO:通过转移学习检测自闭症谱系障碍与大猩猩部队优化器框架
Abdulqader M Almars1, Mahmoud Badawy2,3, Mostafa A Elhosseini1,3
1Taibah University, College of Computer Science and Engineering, Yanbu, 46421, Saudi Arabia.
Heliyon
|November 29, 2023
概括
本研究介绍了一个使用大猩猩部队优化器 (GTO) 检测自闭症谱系障碍 (ASD) 的AI系统. GTO方法在使用图像和数值数据集诊断ASD方面表现得更好.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能的人工智能
- 发育神经科学的发展神经科学.
背景情况:
- 准确的自闭症谱系障碍 (ASD) 诊断对于有效的治疗和康复至关重要.
- 自闭症的异质性质带来了重大的诊断挑战.
- 人工智能 (AI) 提供了改善疾病检测和康复的潜力.
研究的目的:
- 开发一个智能系统用于ASD检测利用AI.
- 在ASD诊断中应用人工大猩猩部队优化器 (GTO) 的元启发式特征选择.
- 在图像和数值数据集上评估系统的性能.
主要方法:
- 利用深度学习和机器学习技术来检测ASD.
- 使用人工大猩猩部队优化器 (GTO) 进行特征选择.
- 用两个不同的数据集进行了实验:儿童的面部图像和来自不同来源 (成年人,青少年,儿童) 的数值查数据.
主要成果:
- 对于图像数据,建议TF学习比率>=50和数据增强;DenseNet169实现了0.512.
- 对于数值数据,建议在五个实验中进行标准化,最后五个属性是可选的分类.
- 基于GTO的特征选择与现有方法相比,表现优越.
结论:
- 拟议的智能系统有效地利用AI和GTO用于ASD检测.
- 该研究强调了数据预处理技术 (如标准化和增强) 的重要性.
- 这些发现表明,GTO是提高ASD诊断准确性的宝贵工具.
更多相关视频
08:42Assessment of Social Cognition in Non-human Primates Using a Network of Computerized Automated Learning Device ALDM Test Systems
Published on: May 5, 2015
12.1K
05:41A Step-by-Step Implementation of DeepBehavior, Deep Learning Toolbox for Automated Behavior Analysis
Published on: February 6, 2020
9.4K
