基于人工智能的阅读障碍检测技术的审查

科学领域:

• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 发展心理学 发展心理学

背景情况:

• 阅读障碍是一种复杂的学习障碍,由于传统评估方法的局限性,经常被低诊断.
• 人工智能 (AI) 提供了使用行为和神经成像数据检测阅读障碍 (DD) 的潜力,但在有限的数据集和模型解释性方面面临挑战.
• 维度减小技术 (DRT) 对于提取突出的特征来增强基于机器学习 (ML) 和深度学习 (DL) 的DD模型至关重要.

研究的目的:

• 审查DRT在改进基于ML和DL的阅读障碍诊断模型中的作用.
• 通过各种DRT提取的识别关键的阅读障碍模式和特征.
• 概述当前在DRT应用中的挑战和局限性,以识别阅读障碍.

主要方法:

• 在主要的科学数据库 (Scopus,科学网,PubMed,IEEEEXplore) 进行了全面的文献搜索.
• 最初检索了479篇与DRT和阅读障碍识别相关的文章.
• 经过严格的选过程,我们将39篇文章纳入本次综述.

主要成果:

• 为了从多式联络数据中提取阅读障碍模式,已经确定了各种DRT.
• 主要组件分析 (PCA) 经常用于DD研究中的特征提取和选择.
• 介绍了与阅读障碍相关的关键特征,并分析了现有的DRT挑战.

结论:

• 需要新的DRT来提高AI驱动的阅读障碍检测的性能和可解释性.
• 先进的DRT与深度学习 (DL) 技术的无整合对于强大的阅读障碍识别至关重要.
• 对DRT的进一步研究将有助于更准确,更及时地诊断阅读障碍.