机构名称：
¥ 1.0
临床评估程序在客观性方面遇到挑战，因为它们依靠主观数据。计算精神病学提出，通过引入基于生物信号的评估来检测临床生物标志物，而虚拟现实（VR）可以提供测量的生态环境，来克服这一限制。自闭症谱系障碍（ASD）是一种神经发育障碍，已经测试了许多生物信号以改善评估程序。但是，在ASD研究中，缺乏系统地比较生物信号，以便在生态环境中同时记录ASD的自动分类，并且由于方法论上的不一致，先前研究之间的比较具有挑战性。在这项研究中，我们检查了一个由四个虚拟场景组成的VR筛选工具，并根据隐式（运动技能和眼动）和显式（行为反应）生物信号进行了比较机器学习模型。在虚拟场景中为每个生物信号开发了机器学习模型，然后将每个生物信号的最终模型合并为最终模型。使用嵌套交叉验证使用并测试了具有递归特征消除的线性支持向量分类器。基于运动技能的最终模型在识别ASD方面表现出最高的鲁棒性，达到0.89（SD = 0.08）。最佳的行为模型显示AUC为0.80，而由于眼神玻璃的限制，眼动模型需要进一步研究。与其他生物信号相比，这些发现突出了运动技能在提高ASD的客观性和可靠性方面的潜力。
生物学和医学的计算机
主要关键词
相关文件推荐
