通过双视图连接的动态图形变压器网络,用于自闭症谱系障碍识别
Zihao Guan1, Jiaming Yu1, Zhenshan Shi2
1College of Computer and Information Science, Fujian Agriculture and Forestry University, Fuzhou, 350002, China; Digital Fujian Research Institute of Big Data for Agriculture and Forestry, Fujian Agriculture and Forestry University, Fuzhou, 350002, China.
这项研究引入了一个新的动态图形变压器网络用于自闭症谱系障碍 (ASD) 识别. 该方法有效地使用正和负的功能连接,以提高ASD诊断的准确性.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 自闭症谱系障碍 (ASD) 诊断需要客观的早期干预方法.
- 现有的功能连接 (FC) 分析方法忽略了正负FC中的补充信息,并需要预定义的图表.
- 在ASD识别方面的挑战包括类不平衡和多站点数据异质性.
研究的目的:
- 为准确的自闭症谱系障碍 (ASD) 识别提出一个新的动态图形变压器网络.
- 为了利用双视图连接 (正负FC) 进行增强的信息提取.
- 解决阶级不平衡问题,提高多站点数据集中的模型通用性.
主要方法:
- 开发了一种双视图特征提取器,以捕获来自正负连接的个别和互补信息.
- 创新了一个带有动态KNN模块的图形转换器网络,用于在没有额外信息的情况下构建图形.
- 实施了PolyLoss和Vrex方法,以减轻类不平衡并提高通用性.
主要成果:
- 与最先进的技术相比,拟议的方法在ASD识别方面取得了更高的性能.
- 在1102名受试者的ABIDE I数据集上证明了令人满意的概括性.
- 有效地利用正负两种功能连接来提高诊断准确度.
结论:
- 新的动态图形变压器网络为客观和准确的ASD识别提供了一个有希望的方法.
- 双视图连接分析显著提高了模型区分ASD和对照对象的能力.
- 该方法显示了在现实世界的临床环境中强大的应用潜力,解决了以前方法的关键局限性.
更多相关视频
05:32Comparing Eye-tracking Data of Children with High-functioning ASD, Comorbid ADHD, and of a Control Watching Social Videos
Published on: December 7, 2018
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
相关概念视频
Autism Spectrum Disorder
These core symptoms manifest differently among individuals, ranging from mild to severe. The disorder's complexity extends beyond its clinical presentation, encompassing a diverse range of biological, cognitive, and sociocultural influences.
Modeling in Therapy
Participant Modeling
Participant modeling involves therapists demonstrating calm and effective behaviors in...
