基于3D视频数据使用的自然算法在自闭谱系障碍检测中的实证分析
机器学习
2026-01-27 v2 神经与进化计算
摘要
自闭谱系障碍（ASD）是一种神经发育障碍，特征为重复行为及社交和沟通能力的障碍。尽管这些症状显而易见，但许多ASD患者仍未被诊断。本文提出一种方法，利用包含三维行走视频数据集的ASD检测技术，结合监督式机器学习分类算法与自然算法进行特征提取。该方法采用监督式分类器识别ASD病例，同时利用自然算法选择最相关特征，通过排序系数识别初始关键粒子，从而显著降低计算时间，提高效率与准确性。多种算法组合的实验评估显示，在采用随机森林分类器配合引力搜索算法进行特征选择时，可实现100%的极佳分类准确率。该方法应用于其他数据集可提升鲁棒性与可推广性。凭借高准确率和降低的计算需求，该方法论为医学与学术领域提供了重要贡献，为ASD诊断的未来进展奠定了基础。
引用
@article{arxiv.2501.01202,
title = {Empirical Analysis of Nature-Inspired Algorithms for Autism Spectrum Disorder Detection Using 3D Video Dataset},
author = {Aneesh Panchal and Kainat Khan and Rahul Katarya},
journal= {arXiv preprint arXiv:2501.01202},
year = {2026}
}