XiaoMi-AI文件搜索系统
World File Search SystemASD
基于视频的自闭症检测深度学习
摘要 - 自闭症谱系障碍（ASD）的个人经常在健康，沟通和疾病处理中面临挑战；因此，早期诊断对于适当的治疗和护理是必需的。在这项工作中，我们考虑了检测或分类ASD儿童以帮助医疗专业人员早期诊断的问题。我们开发了一个深度学习模型，该模型分析了儿童对感觉刺激的反应的视频片段，目的是捕获ASD和非ASD参与者之间反应和行为的关键差异。与MRI数据的许多最近的ASD分类研究不同，它需要昂贵的专用设备，我们的方法使用了功能强大但相对便宜的GPU，标准的计算机设置和摄像机进行推理。结果表明，我们的模型有效地概括并理解儿童不同运动的关键差异。值得注意的是，尽管对于深度学习问题的数据有限，并且即使使用运动伪像，但我们的模型仍表现出成功的分类性能。索引术语 - 深度学习，自闭症谱系障碍，视频，分类
自闭症患者的相关社会奖励处理
社会动机假说认为，自闭症谱系障碍 (ASD) 患者发现社交刺激的回报较少，因此与神经发育正常 (TD) 的人相比，他们对社交互动的积极性较低。然而，自闭症患者在社交互动过程中回报较少的社交刺激特征在很大程度上是未知的。与自我行动相关的他人的偶然积极反应激励了社交互动的早期发展，从而代表了一种社会奖励。由于自闭症患者在早年生活中经常对自我相关刺激表现出非典型反应，我们假设他人的自我相关反应对自闭症患者来说回报较少。为了检验这一假设，我们使用社交偶然任务进行了一项功能性磁共振成像研究。在任务期间，参与者试图通过讲有趣的笑话逗观众笑，从而激活 TD 个体的前额叶内侧前额皮质 (arMPFC) (Sumiya 等人，2017)。我们明确预测，arMPFC 的非典型激活与自闭症患者对他人的自我相关反应的奖励价值降低有关。31 名自闭症成年人和 24 名年龄和智商匹配的 TD 成年人参与了这项研究。自闭症患者报告称，在观众对他们自己的行为做出反应后，他们的愉悦感明显低于 TD 组。相应地，与 TD 组相比，ASD 组的 arMPFC 的自我相关激活（由我们之前的研究结果定义）有所减弱。目前的发现表明，自闭症患者的 arMPFC 介导的弱自我相关结果处理会削弱社交互动的奖励性质。
propranolol用于治疗患有自闭症谱系障碍儿童和青少年的情绪，行为，自主性失调
自闭症谱系障碍（ASD）的患病率为1-2.4％（Baron-Cohen等，2009; Zablotsky等，2015a），每68名儿童诊断约1个（Wingate等，2014）。ASD的核心特征的特征是社会互动，言语和非语言交流以及行为限制和重复的模式的损害（美国精神病学协会，2013; Kendall等，2013; Ospina et al。，2008; Tsai，1999）。ASD与长期的社会心理障碍有关（Billstedt等，2005），除了社会和经济障碍之外（Knapp等，2009; Lecavalier et al。，2006），对个人，家人和照顾者的负担很大。，关于ASD中通常发生的行为包括侵略，焦虑，恐惧症，多动症，强迫性行为，抑郁，自杀念头或未遂自杀和睡眠失调（Brereton等，2006; Cassidy et al。焦虑症经常出现在ASD的儿童和青少年中，任何焦虑症的合并症范围为40-84％，特定恐惧症的焦虑症范围为8-63％，普遍焦虑症的合并症范围为5-23％，社交焦虑症的13-29％，分离焦虑症的8-27％（White等人，2009年； Sukhodolsky，2013年）。其他研究表明，分别患有ASD的儿童和青少年分别发生了40％和56％的焦虑症和/或高度侵略（Kanne and Mazurek，2011; Van Steensel等，2011）。此外，儿童和青少年的焦虑可能
自闭症和脆性 X 综合征患者的皮层下大脑发育：婴儿期动态、年龄和疾病特异性轨迹的证据
脑脊液体积在 24 个月时恢复正常（12），这与横断面研究中老年人胼胝体体积减小的报告一致（13）。脑脊液体积的变化轨迹代表了另一种发育模式，即在被诊断为 ASD 的儿童中，从 6 个月大（14、15）到 4 岁（16）期间持续增加。综上所述，这些研究表明，ASD 儿童出生后早期大脑发育会发生一系列年龄特异性变化，同时行为也会发生动态变化。这表明，婴儿早期的症状前大脑变化可能代表一系列相互关联的大脑和行为变化，这些变化会导致自闭症整个综合症的出现，并在生命的 2 和 3 年内巩固为一种临床可诊断的疾病（17）。进一步描述大脑变化的性质和顺序将为阐明这种疾病的发病机制提供重要线索，并为制定针对这些发展轨迹的针对性干预措施提供信息。尽管长期以来，结构和功能神经影像学和尸检研究表明皮层下结构，特别是杏仁核，与 ASD 有关，但尚无研究检查过 ASD 婴儿期皮层下大脑发育的性质和时间。神经影像学研究表明 2 至 4 岁的 ASD 儿童杏仁核增大（18 – 22），尸检研究表明杏仁核神经元数量过多（23）和树突棘密度增加（24）可能是导致早期杏仁核过度生长的细胞过程。然而，绝大多数神经影像学研究都是横断面研究，并且是在确诊后的儿童（即 2 岁及以上）中进行的，因此无法了解杏仁核增大的发育时间过程、其与出现诊断特征和最终诊断的时间关系，以及增大是杏仁核特有的还是也发生在婴儿期的其他皮质下结构中，例如基底神经节。此外，对患有 ASD 的婴儿进行的神经影像学研究尚未检查 ASD 与其他神经发育障碍关系中脑部发现的特异性。在这项研究中，我们检查了选定的皮质下结构（杏仁核、尾状核、壳核、苍白球、丘脑）的纵向结构 MRI，以对比四组婴儿出生后早期脑发育情况：患有脆性 X 综合征（FXS）的婴儿；患自闭症可能性较高的婴儿（因为有一个患有自闭症的哥哥姐姐），后来患上了自闭症；患自闭症可能性较高的婴儿没有患上自闭症；对照组婴儿患自闭症的可能性较低，但发育正常。研究设计通过对比特发性自闭症（一种行为定义的发育障碍）与遗传定义的障碍 FXS 的大脑和行为发育，研究了疾病特异性问题。具有重叠的认知和行为特征（25）。此外，我们注意到，这项研究将家族性自闭症（自闭症的一个亚组，其病因通常归因于常见的多基因遗传[26]）与 FXS（一种遗传性发育障碍和
神经发育障碍患者自我报告的感觉问题的定性和定量分析
社会交流中的非典型性，受限制和重复的行为或兴趣是自闭症谱系障碍（ASD）的主要特征，如《精神障碍诊断和统计手册》中所述，第五版（DSM-5），由美国精神病学协会（APA）发表。这种情况伴随着多种感觉特征，而DSM-5则表明，在ASD患者中，经常观察到对感觉刺激的过度或受限反应（分别为敏感性和低敏敏度）。在ASD患者中的感觉问题，例如超敏反应和低敏性，不是次要的问题，而是指向该疾病核心的重要因素，因为其中一些感觉特征直接降低了个体的生活质量[QOL； QOL; （1）]。此外，有可能在ASD和通常发育中的个体之间的感觉处理之间的差异可能会导致通信方法中的差异（2，3）。
自闭症儿童的神经可塑性
自闭症谱系障碍（ASD）是一种神经发育障碍，其症状包括言语交流困难、社交互动困难、兴趣有限和重复行为等一系列。神经可塑性是指神经系统为适应和应对外界环境的变化而发生的结构和功能变化。简单来说，它是大脑学习和适应新环境的能力。然而，ASD 患者的神经可塑性异常，影响信息处理、感觉处理和社会认知，导致相应症状的出现。本文旨在综述当前 ASD 神经可塑性的研究进展，重点关注遗传、环境、神经通路、神经炎症和免疫等，以期为 ASD 相关儿科领域的干预和治疗提供理论基础和启示。
8055 家长手册：自闭症项目指南
患有自闭症的人往往存在沟通困难。他们的沟通障碍包括不善言辞、在对话中做出不恰当的回应、不理解非语言暗示，或难以建立适合其年龄的友谊。此外，患有自闭症的人可能过度依赖常规，对环境变化高度敏感，或高度关注不适当的事物。自闭症的症状和特征可以以多种组合形式出现，从轻微到严重。因此，没有标准类型或典型的自闭症患者。
自闭症儿童和青少年认知表现的振荡活动：系统评价
自闭症谱系障碍（ASD）是一种神经发育状况，表现出广泛的社会和认知症状范围。此功能挑战了对这种神经发育障碍和治疗努力解决其困难的广泛理解。当前的治疗策略主要集中于治疗行为症状，而不是脑心理生理学。在过去的几年中，非侵入性脑刺激技术（NIB）的出现为设计的替代替代了诸如ASD之类的神经精神疾病的神经生理病理学的设计。这种干预措施需要确定症状和认知特征的基础的关键大脑机制。证据表明，与ASD中认知功能相关的神经集合的振荡特征发生了变化。在这条线中，我们阐述了对脑振荡改变的证据的系统修订，这些证据是关键的认知过程的基础，这些认知过程已被证明在儿童和青春期（即社会认知，注意力，工作记忆，抑制性控制和认知能力）中受到ASD的影响。这种知识可能有助于基于NIBS开发疗法，以改善ASD人群中的这些过程。
1 fy 2023 WPI程序的随访。
最近重点介绍患有自闭症谱系障碍（ASD）的儿童表现出认知僵化，并且倾向于在特定的思想和行为中持续存在，而患有多动症的儿童则表现出不稳定的认知且难以集中。尽管存在这种对比，但在临床上，这两个普遍的神经发育障碍通常被报告在同一个体中共存，有时被视为两种疾病的重叠。采用2023年7月6日在Eneuro发表的新型能源景观分析，主要研究员（副教授）Takamitsu Watanabe和来自UC Berkeley大学的本科实习生Daichi Watanabe先生发现，ASD+ADHD条件不是ASD+ADHD条件的简单合并。相反，该条件是ASD的生物亚型，其认知不稳定性的基础是纯ADHD中未见的独特脑动力学。这些发现表明ASD和ADHD的合并症需要定制诊断和治疗
开发古海岸线数据库以重建...
为研究和解释古海岸线和海岸线位移信息，开发了一个名为古海岸线数据库 (ASD) 的 ArcGIS 地理数据库。根据可用信息的特点，它进一步分为隔离数据库 (ISD) 和海岸线地貌数据库 (SLD)。在当前的研究中，与利托里纳海最大延伸和芬兰最高海岸线相关的观测结果在 ASD 中被仔细记录和分类。ASD 中存储了总共 1625 个海岸线观测数据，其中 106 个是来自年代隔离层 (ISD) 的地层数据点，其余 1519 个是代表形态海岸线观测 (SLD) 的数据点。本文从整理数据点的可变性和可靠性的角度描述了 ASD 的内容，还介绍了如何利用现代基于 LiDAR 的数字高程模型来验证已发表的观测结果以及如何解释与缺乏信息的地区古代海岸线相关的新数据点。编译后的 ASD 用于重建利托里纳海的历时最大延伸和芬兰波罗的海盆地的最高海岸线。