使用人工神经网络检测儿童胎儿酒精谱系障碍
机器学习
2021-06-01 v1 神经与进化计算
摘要
胎儿酒精谱系障碍（FASD）是一种综合征，其与其他儿童病症的唯一区别在于母亲在孕期饮酒。早期诊断FASD可改善儿童和青少年的生活质量。因此，本研究重点评估使用人工神经网络（ANN）对FASD儿童进行分类并探究其准确程度。ANN已在医疗领域用于诊断癌症、糖尿病及其他疾病，是一种能给出良好结果的工具。所使用的数据来自5至18岁儿童的测试组合（包括心理计量测试、扫视眼动测试和扩散张量成像（DTI））。我们研究了具有全连接层的ANN的不同配置。第一种配置对心理计量数据正确预测了75%的结果。其他模型包含一个特征层，我们将其用于单独使用每项测试预测FASD。这些模型准确预测了超过70%的病例，而心理计量与记忆引导的预测准确率超过88%。结果表明，ANN方法是一种具有竞争力且高效的FASD检测方法论。然而，将其用作诊断技术时需谨慎。
引用
@article{arxiv.2105.15074,
title = {Detecting Fetal Alcohol Spectrum Disorder in children using Artificial Neural Network},
author = {Vannessa de J. Duarte and Paul Leger and Sergio Contreras and Hiroaki Fukuda},
journal= {arXiv preprint arXiv:2105.15074},
year = {2021}
}