结合问卷与家庭视频筛查的机器学习方法用于自闭症早期检测
计算机与社会
2017-03-20 v1 机器学习
摘要
现有的自闭症早期检测筛查工具昂贵、繁琐、耗时，且有时在预测价值方面有所欠缺。在这项工作中，我们将机器学习 (Machine Learning, ML) 应用于从数千名有自闭症谱系障碍风险的儿童中获取的金标准临床数据，以创建一种低成本、快速且易于应用的自闭症筛查工具，其性能与最广泛使用的标准化工具相当或更优。这种新工具将两种筛查方法结合为单一评估，一种基于简短、结构化的家长报告问卷，另一种基于对儿童简短、半结构化家庭视频中关键行为的标记。为克服训练数据的稀缺性、稀疏性和不平衡性，我们应用了创造性的特征选择、特征工程和新颖的特征编码技术。我们允许在适当情况下得出不确定的判定，以提高结论明确时的筛查准确性。我们在一项包含 162 名儿童的临床研究样本中证明了相比标准筛查工具的显著准确性提升。
引用
@article{arxiv.1703.06076,
title = {Machine learning approach for early detection of autism by combining questionnaire and home video screening},
author = {Halim Abbas and Ford Garberson and Eric Glover and Dennis P Wall},
journal= {arXiv preprint arXiv:1703.06076},
year = {2017}
}