摘要 一种被称为自闭症谱系障碍 (ASD) 的神经系统疾病对个人一生与他人交往和互动的能力产生了深远影响。ASD 是一种可以在人的生命早期阶段被识别的疾病，通常被归类为“行为疾病”，因为在生命的头两年内经常会出现许多症状，根据大多数人对自闭症理论的看法，这些挑战通常在儿童时期出现并持续到青少年和成年期 [1]。为了应对医学诊断的日益普及，机器学习技术 [2] 被用于帮助医生更好地决定一个人的健康状况，人们做出了广泛的努力来利用各种算法，包括朴素贝叶斯、支持向量机、逻辑回归、K 最近邻 (KNN)、神经网络和卷积神经网络 (CNN) [3]，来预测和分析不同年龄组（儿童、青少年和成人）的 ASD 相关问题。这些努力已在一份研究调查论文中详细介绍。这些预测模型是使用 ABIDE 数据集进行评估的，该数据集可供研究目的公开访问。该研究的结果强调了基于 CNN 的预测模型的有效性，该模型的表现始终优于其他机器学习技术 [4]。值得注意的是，这些模型在代表成人、儿童和青少年的数据集中筛查和诊断自闭症谱系障碍的准确率分别达到 99.53%、98.30% 和 96.88%。关键词：自闭症，卷积神经网络 (CNN)；人工神经网络 (ANN)；K 最近邻 (KNN)；逻辑回归 (LR)；支持向量机 (SVM) [5]。------------------------------------------------------------------------------------------------------------------------------ 提交日期：2024 年 9 月 3 日 接受日期：2024 年 9 月 13 日 --------------------------------------------------------------------------------------------------------------