使用在线和离线手写数据进行手写障碍诊断的AI驱动方法:全面的范围审查
Avisa Fallah1, Yazdan ZandiyeVakili1, Hedieh Sajedi1
1School of Mathematics, Statistics and Computer Science, College of Science, University of Tehran, Tehran, Iran.
PloS one
|December 31, 2025
概括
人工智能 (AI) 模型,如卷积神经网络 (CNN) 和支持矢量机器 (SVM),显示出早期写法障碍诊断的前景. 这些人工智能工具提供了更快,更准确的评估,改善了对这种写作障碍患者的支持.
科学领域:
- 神经科学和人工智能 人工智能
- 计算语言学和教育技术教育技术
背景情况:
- 书写障碍是一种影响写作的神经发育障碍,经常被误诊,影响学术和日常生活.
- 早期发现写字障碍对于儿童和成人有效干预和管理至关重要.
研究的目的:
- 对利用人工智能用于诊断写字障碍的研究进行范围审查.
- 确定高性能的人工智能模型及其挑战,并建议未来的研究方向.
主要方法:
- 在主要的科学数据库 (PubMed,Scopus,Web of Science,IEEE Xplore,SpringerLink) 进行全面的文献搜索,直到2024年4月.
- 包含专注于基于人工智能的手写文本图像处理的基于AI的写字障碍检测的原始研究文章.
- 关于研究特征,数据集,AI方法和性能指标的数据提取.
主要成果:
- 在177项研究中,有21项研究符合纳入标准,涵盖了近十年的时间.
- 人工智能模型,特别是卷积神经网络 (CNN) 和支持矢量机器 (SVM),实现了高精度 (通常>90%).
- 发现的关键挑战包括小样本规模和特定语言的模型限制.
结论:
- 基于AI的模型显著改善了写法障碍的诊断,比传统方法提供了更高的速度和准确性.
- 未来的研究应该优先考虑更大,更多样化的数据集,语言独立模型和标准化的评估指标.
- 整合人工智能工具可以彻底改变写字障碍的管理,改善教育和医疗保健支持.
