摘要
本发明公开了一种孤独症谱系障碍风险检测系统及方法,涉及孤独症辅助诊断医疗领域,解决了传统ASD风险检测方法对边缘信息的提取和分析较为薄弱,未能充分挖掘边缘作为潜在生物标志物的价值,限制了基于脑网络的孤独症风险检测的准确性和可靠性的技术问题的技术问题;本发明收集检测的fMRI数据,分析预处理后的fMRI数据的平均时间序列,进一步构建脑区间的功能连接矩阵;从功能连接矩阵中提取与ASD关联的特征,得到fMRI脑网络特征集;通过分类模型识别检测的fMRI数据的ASD风险。通过聚焦边缘动态特征和结合先进机器学习分类器及优化策略实现孤独症谱系障碍风险检测的精准度。
技术关键词
孤独症谱系障碍
风险检测方法
网络特征
风险检测系统
序列
先进机器学习
矩阵
潜在生物标志物
大脑功能网络
数据处理模块
分类模型识别
决策树模型
随机森林
标签
度量
节点
信息熵
系统为您推荐了相关专利信息
深度学习算法
生成控制指令
门窗
智能监测传感器
深度学习模型
电网山火
预警方法
数据处理中心
预警模型
实时监测数据
微网系统
时间序列模型
电力控制方法
神经网络模型
电力控制设备
优化调节方法
充放电功率
电网频率偏差
储能设备
储能调度模型