このブログ記事では、自閉症スペクトラム障害（ASD）の診断と行動変化手順の評価に焦点を当てた二つの研究について紹介しています。

最初の研究では、ASDの早期発見のために顔画像から特徴を自動抽出する新しいアプローチが提案されています。この研究は、深層学習技術を活用し、特に転移学習と顔認識を組み合わせたハイブリッド注意学習モデルを用いて、分類精度を向上させることを目指しています。研究目標は、ASDの予測精度を96.50%まで高めることです。

二つ目の研究では、同時連鎖スケジュールを使用して、言語能力が限られた個体の行動変化手順の選好を客観的に評価し、選択のバイアスを排除する手法を開発しました。この研究では、特に自閉症スペクトラム障害を持つ子供たちが対象で、パターン化された選択を行うことを観察し、その後の介入で区別された反応を引き出すことに成功しました。

学術研究関連アップデート

Enhancing ASD classification through hybrid attention-based learning of facial features

この研究は、自閉症スペクトラム障害（ASD）の早期発見のために、顔画像から特徴を自動抽出する新しいアプローチを提案しています。伝統的なASDスクリーニングの主観性や、顔分析の複雑さに対処するため、深層学習技術、特に転移学習と顔認識技術を利用しています。提案手法は、ResNet101とEfficientNetB3アーキテクチャを組み合わせたハイブリッド注意学習モデルを使用し、分類精度を向上させることを目指しています。データセットの前処理、拡張、画像のサイズ調整を行い、最終的なASD予測の精度目標は96.50％です。また、自然言語処理からの自己注意技術を導入し、この分野における重要な革新を実現しています。

Eliminating biased selections during concurrent-chains schedules: A discovery research example

この研究では、言語能力が限られている個人において、行動変化手順の選好を評価する客観的な手段として、同時連鎖スケジュールを使用しました。当初は、異なるタイプのトークンシステムに対する子供たちの好みを評価するためにこのスケジュールを使用しましたが、子供たちがパターン化された選択を行うことを観察したため、選択のバイアスを排除する手順を評価しました。このプロセスは、自閉症スペクトラム障害と診断された7人の子供を対象に、シンプルで顕著な終端リンク配置を使用して行われました。7人のうち5人の子供においては、強制選択試行の回数を操作するだけで区別された反応を引き出すことができました。2人の子供には終端リンクでの学習課題を取り除くことが必要でした。全参加者において、最初の露出配置が再導入された際にも、区別された反応が維持されました。研究結果は、エラーのない教授の歴史が同時連鎖スケジュール中の選択にバイアスを与える可能性のある効果について考察されています。