面向幼儿的孤独症筛查分类模型开发
机器学习
2021-10-05 v1
摘要
孤独症谱系障碍（ASD）是一种与沟通、社交互动和重复行为方面困难相关的神经发育障碍。获得儿童的明确诊断对于开始早期干预和获得治疗服务是必要的。然而，许多障碍阻碍了在这些儿童早期阶段进行孤独症筛查，这可能进一步延迟治疗干预的获取。提高幼儿 ASD 检测效率与准确性的一个有前景的方向是使用机器学习技术构建服务于该目的的分类器。本文对该领域做出贡献，使用 Fadi Fayez Thabtah 博士开发的数据来训练和测试各种用于早期 ASD 筛查的机器学习分类器。基于多种属性，训练并比较了三个模型：决策树 C4.5、随机森林和神经网络。三个模型在测试数据上均提供了非常好的准确率，但其中神经网络优于另外两个模型。本工作通过帮助识别具有 ASD 特征的幼儿并使其接受正式临床诊断，为幼儿早期筛查做出贡献。
引用
@article{arxiv.2110.01410,
title = {Development of an autism screening classification model for toddlers},
author = {Afef Saihi and Hussam Alshraideh},
journal= {arXiv preprint arXiv:2110.01410},
year = {2021}
}
备注
12 pages