利用人工神经网络与Levenberg-Marquardt算法预测自闭症谱系障碍
机器学习
2019-08-22 v2 定量方法
机器学习
摘要
自闭症谱系状况（ASC）或自闭症谱系障碍（ASD）主要借助涵盖社交、感觉和运动特征的行为指征来识别。尽管在诊断过程中会对分类的重复性运动动作进行测量，但用于确定自闭症患者运动构型中运动学特征的可量化指标尚未得到充分研究，这阻碍了对运动缺陷病因理解的进展。影响ASD的行为特征等受试者方面需要进一步探索。目前，与ASD筛查相关的有限自闭症数据集大多为遗传学数据。因此，在本研究中，我们使用了一个与自闭症筛查相关的数据集，包含十个行为属性和十个个人属性，这些属性在行为科学中已有效用于从对照组中诊断ASD病例。ASD诊断耗时且成本高昂。全球ASD病例的激增使得对快速且经济的筛查工具的需求十分迫切。我们的研究旨在实现一种采用Levenberg-Marquardt算法的人工神经网络来检测ASD并检验其预测准确性。进而，开发一个用于早期ASD识别的临床决策支持系统。
引用
@article{arxiv.1812.07716,
title = {Prognosticating Autism Spectrum Disorder Using Artificial Neural Network: Levenberg-Marquardt Algorithm},
author = {Avishek Choudhury and . Christopher Greene},
journal= {arXiv preprint arXiv:1812.07716},
year = {2019}
}