提升自闭症谱系障碍检测精度：结合机器学习、深度学习模型与自然语言处理的方法
计算与语言
2024-03-07 v1 机器学习
摘要
目的：本研究探讨了利用人工智能 (AI) 诊断自闭症谱系障碍 (ASD) 的方法。重点在于利用机器学习 (ML) 和深度学习 (DL) 从社交媒体文本输入中检测 ASD，以解决传统 ASD 诊断中的挑战。方法：我们使用自然语言处理 (NLP)、ML 和 DL 模型（包括决策树、XGB、KNN、RNN、LSTM、Bi-LSTM、BERT 和 BERTweet）分析了 404,627 条推文，根据作者是否患有 ASD 对其进行分类。其中 90,000 条推文的子集用于模型训练和测试。结果：我们的 AI 模型显示出高准确率，在识别来自 ASD 个体的文本方面成功率达到 88%。结论：本研究展示了 AI 在改善 ASD 诊断方面的潜力，特别是在儿童诊断中，凸显了早期检测的重要性。
引用
@article{arxiv.2403.03581,
title = {Enhancing ASD detection accuracy: a combined approach of machine learning and deep learning models with natural language processing},
author = {Sergio Rubio-Martín and María Teresa García-Ordás and Martín Bayón-Gutiérrez and Natalia Prieto-Fernández and José Alberto Benítez-Andrades},
journal= {arXiv preprint arXiv:2403.03581},
year = {2024}
}