.png){kind=icon}
返回
Explainable ADHD Diagnostic Framework Using Weakly-Supervised Action Recognition
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-04984-1_18.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
注意缺陷多动障碍（ADHD）的临床诊断主要依赖量表问卷、临床访谈和执行功能测试，面临医疗资源有限、诊断效率低及对临床医生主观经验依赖性高等挑战。现有基于行为分析的AI辅助诊断方法结果可解释性不足，阻碍了其与常规诊断流程的整合及临床实际应用。本文提出EDWAR框架，一种基于弱监督动作识别的可解释ADHD诊断框架，该框架建立了行为分析与传统测试记录相结合的协同诊断机制。通过采用仅需诊断标签和异常行为视频级标注的弱监督动作识别方法，本框架不仅实现了高诊断准确率，还通过视频级和时间步级的异常动作识别提供透明解释。实验结果表明，EDWAR在获得优异诊断性能的同时，提供了令人信服且可解释的证据。
Keyword:
ADHD Diagnosis
Weakly-Supervised Learning
Action Recognition
Explainable AI
Clinical Decision Support