从使用深度神经网络的书面叙述中预测自闭症
Izabela Chojnicka1, Aleksander Wawer2
1Faculty of Psychology, University of Warsaw, 00-183, Warsaw, Poland. izabela.chojnicka@psych.uw.edu.pl.
Scientific reports
|July 2, 2025
概括
研究人员使用深度神经模型来分析自闭症和非自闭症学生的书面叙述. 这些模型准确地区分了这些群体,突出了大规模自闭症研究的潜力.
科学领域:
- 神经科学是一个神经科学.
- 发展心理学 发展心理学
- 计算语言学 计算语言学
背景情况:
- 自闭症谱系障碍 (ASD) 提出了各种语言挑战,特别是在务实 (社会) 沟通方面.
- 叙事能力是自闭症研究的一个关键研究领域,对计算分析的兴趣越来越大.
- 以前的研究往往侧重于口头叙述,在标准化评估中对书面形式的探索有限.
研究的目的:
- 调查来自全国考试的书面叙述的实用性,以区分自闭症学生.
- 评估深度神经网络模型在分析自闭症患者叙事能力方面的有效性.
- 探索使用标准化书面数据用于未来大规模自闭症流行病学研究的潜力.
主要方法:
- 在全国考试期间收集的八年级学生的363篇书面论文 (193名自闭症,168名非自闭症) 的分析.
- 几种深度神经网络模型的应用和测试,以根据作者身份 (自闭症与非自闭症) 来分类文章.
- 使用灵敏度,特异性和准确度指标评估模型性能.
主要成果:
- 深度神经模型在区分自闭症和非自闭症学生撰写的文章方面表现出很高的表现.
- 几种模型取得了有希望的结果,灵敏度,特异性和精度系数超过0.85.
- 这些发现表明,书面叙述包含可辨认的自闭症标志物.
结论:
- 从标准化评估中获得的书面叙述可以使用计算方法有效地分析,以确定与自闭症相关的特征.
- 这项研究表明,利用国家考试数据实现大规模,经济高效的自闭症研究和查的潜力.
- 在这个领域进行进一步的研究可以显著推进流行病学研究和早期识别自闭症谱系障碍.
