基于联邦学习的支持向量分类器实现精准自闭症谱系障碍预测 (SVCFL)
💡
原文中文,约300字,阅读约需1分钟。
📝
内容提要
该研究提出了一种深度学习方法,使用Siamese验证框架扩展稀缺数据,解决数据不平衡和样本异质性,使用Path Signature来纵向解读两个时间点的数据,实现早期自闭症的诊断。
🎯
关键要点
- 传统的基于交流和行为模式的自闭症诊断方法不够可靠。
- 提出了一种深度学习方法来提取关键特征进行早期自闭症诊断。
- 该方法使用Siamese验证框架扩展稀缺数据。
- 通过无监督压缩器抑制数据不平衡。
- 使用权重约束解决样本异质性问题。
- 利用Path Signature纵向解读两个时间点的数据。
🏷️
标签
➡️