用语音和行为数据检测自闭症特征的基于人工智能的方法的广泛审查
Hajarimino Rakotomanana1, Ghazal Rouhafzay1
1Department of Computer Science, Université de Moncton, Moncton, NB E1A 3E9, Canada.
Bioengineering (Basel, Switzerland)
|November 27, 2025
概括
人工智能 (AI) 在使用行为数据诊断自闭症谱系障碍 (ASD) 中显示出高准确性. 然而,数据偏差和小样本大小等挑战阻碍了现实世界的临床使用.
科学领域:
- 计算神经科学是一种计算神经科学.
- 发展心理学是发展心理学.
- 生物医学信息学是生物医学信息学.
背景情况:
- 自闭症谱系障碍 (ASD) 诊断依赖于行为观察,这对于早期干预至关重要.
- 使用人工智能 (AI) 的计算行为表型化正在迅速推进ASD诊断.
研究的目的:
- 系统地绘制AI在自闭症谱系障碍诊断中的应用.
- 专注于跨关键行为模式的计算行为表型.
主要方法:
- 对2015年至2025年间发表的158项研究进行了范围审查.
- 在八种行为模式中分析AI应用:语音,对话,语言学,运动,活动,面部手势,视觉注意力和多式联络方法.
- 机器学习和深度学习技术在自闭症诊断中的综合.
主要成果:
- 人工智能在受控环境中显示出高诊断性能 (高达99%的准确性).
- 确定了重大挑战:数据集异质性,性别偏见和小样本大小.
- 关于AI在ASD诊断中的当前优缺点的全面概述.
结论:
- 人工智能对ASD诊断具有显著的前景,特别是使用先进的ML/DL技术.
- 临床实施和通用性受到数据限制和偏差的阻碍.
- 未来的研究应该专注于包容性,通用性和临床适用的AI诊断解决方案.
关键词:
自闭症谱系障碍 (ASD) 是一种活动识别活动识别.眼睛看着眼睛看着眼睛脸部的姿态 面部的姿态机器学习是机器学习.运动技巧 运动技巧运动分析,运动分析.多式联络人工智能语言特征 语言特征 语音特征视觉注意力 视觉注意力 视觉注意力语音生物标志物语音生物标志物更多相关视频
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
11.4K
08:42A Familiarization Protocol Facilitates the Participation of Children with ASD in Electrophysiological Research
Published on: July 31, 2017
8.7K
