使用神经数据和机器学习对未来自闭症诊断和干预响应的预测
申请号：CN202480004561
申请日期：2024-10-29
公开号：CN120239889A
公开日期：2025-07-01
类型：发明专利
摘要
可以使用基于神经数据(例如脑电图(EEG)数据、脑磁图(MEG)和/或磁共振成像(MRI)数据)的机器学习模型来预测个体儿童的自闭症(孤独症)谱系障碍(ASD)的未来诊断和/或干预(例如早期干预)的有效性。模型的训练可以基于先前接受干预的儿童中所获得的实验数据。
技术关键词
机器学习模型
数据
儿童
中枢神经系统
功能近红外光谱
基线
功能磁共振成像
自闭症谱系障碍
随机森林模型
支持向量机
心理
变量
存储器
重复性
家庭
有效性
父母
线下
系统为您推荐了相关专利信息
区域特征分析
文本生成方法
乳腺超声影像
筛查系统
模型训练模块
参数识别模型
因子
终端设备
全局最优化
可读存储介质
功能导航方法
车辆诊断设备
指令
语义向量
车载终端
周期
波束配置方法
智能模型
基站
分辨率
陆地
偏最小二乘回归模型
时滞效应
因子
归因
