.png){kind=icon}
返回
Augmentative Semi-Supervised Learning for Autism Screening: A Novel Framework
.png){kind=icon}
OA
AI
DOI：10.1007/s12559-026-10643-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
孤独症谱系障碍（ASD）是一种神经发育性疾病，早期识别对于提供适当支持和有效治疗至关重要。然而，当前诊断方法资源密集且常不可及。人工智能提供了一种有前景的替代方案，但其有效性受到数据匮乏和不平衡、主要无标签数据集引发的算法偏差的阻碍。这种偏差可能导致模型过拟合、学习受损和泛化能力差。虽然半监督学习（SSL）可通过伪标签生成减少对人工标签的依赖，但传统SSL方法在严重类别不平衡下表现不佳，常放大标签噪声和偏差。为解决这些挑战，我们提出了一种新颖的增强半监督学习（ASSL）框架，旨在应对类别不平衡和标签稀缺下的鲁棒学习。ASSL首先应用基于模式的采样构建平衡标签数据集，然后采用协同决策标签（CDL）策略，其中两个异构模型利用动态双阈值（DDT）分配伪标签，仅保留被两个模型共同且自信地标记的样本。该框架在包含超过12,000名参与者（其中大部分缺乏诊断标签）的孤独症AI数据集上进行了评估。与常规筛查方法相比，ASSL将准确率提高了15.9%，敏感性提高了15.3%，特异性提高了30.2%。在NHANES糖尿病和心力衰竭数据集上的外部验证进一步证明了其强大的跨域泛化能力，在部分标签条件下实现了敏感性和平衡预测性能的提升。这些发现表明，ASSL为减少医疗筛查应用中的算法偏差提供了一种可扩展、可迁移的方法。
Keyword:
Autism diagnosis
Data imbalance
Semi-supervised learning
Dynamic dual threshold
Supervised learning
Autism AI
期刊
IF:
4.3
论文数:
1.6K
被引数:
3.6K
机构
引用论文
Autism AI: a New Autism Screening System Based on Artificial Intelligence自闭症AI: 一种新的基于人工智能的自闭症筛查系统
.png){kind=icon}
PREAI
分享收藏分享收藏Toward Brief Red Flags for Autism Screening: The Short Autism Spectrum Quotient and the Short Quantitative Checklist in 1,000 Cases and 3,000 Controls走向自闭症筛查的简短危险信号: 1,000病例和3,000对照的短期自闭症谱系商和短期定量检查表
PREAI
分享收藏Active Label Refinement for Robust Training of Imbalanced Medical Image Classification Tasks in the Presence of High Label Noise高标签噪声条件下不平衡医学图像分类任务鲁棒训练的主动标签优化
PREAI
分享收藏The Autism-Spectrum Quotient (AQ): Evidence from Asperger syndrome/high-functioning autism, males and females, scientists and mathematicians自闭症谱系商 (AQ): 来自阿斯伯格综合症/高功能自闭症的证据，男性和女性，科学家和数学家
PREAI
分享收藏
查看更多内容