基于动作的多动症视频诊断
原文中文，约1400字，阅读约需4分钟。
📝
内容提要
该研究利用机器学习和神经科学方法，提出了针对注意力缺陷多动障碍（ADHD）和自闭症谱系障碍（ASD）的诊断系统。通过分析MRI数据、视频记录和动作识别，研究实现了高准确率的分类，提供了经济实惠的筛查方法，旨在改善心理疾病的早期诊断和治疗。
❓
Q&A
该研究如何提高ADHD的诊断准确率？
该研究通过使用机器学习和神经科学方法，结合MRI数据和动作识别，达到了92.5%的诊断准确率。
研究中使用了哪些数据集进行ADHD的诊断？
研究基于ADHD200数据集进行多分类和二分类的诊断。
FishFinder测试的目的是什么？
FishFinder测试旨在评估其在识别儿童ADHD方面的能力，结果显示其具有强大的识别能力。
该研究如何帮助自闭症谱系障碍的诊断？
研究通过深度学习模型检测自我刺激行为，帮助实现对自闭症谱系障碍的诊断，准确率约为81%。
研究提出了什么样的多模态心理疾病诊断系统？
研究提出了一种结合音频和视频识别模块的多模态心理疾病诊断系统，取得了超过80%的准确率。
该研究的创新点有哪些？
研究首次实现了基于动作识别神经网络的ADHD诊断系统，并提出了开放式识别框架用于神经发育障碍筛查。
🏷️
