ASD/РАС-аналитика
ASD/РАС-аналитика
AutoML для скрининга РАС
Автоматизированное машинное обучение автоматически отбирает признаки и структурирует модели без участия специалистов по данным.
Анализ волос для прогнозирования РАС
Машинное обучение, применённое к анализу образцов волос, раскрывает скрытые метаболические сигналы, предсказывающие риск расстройств аутистического спектра задолго до появления клинических симптомов.
Большие языковые модели для профилирования речевых нарушений при РАС | РАС-аналитика
Большие языковые модели на основе трансформеров открывают новую парадигму для анализа речевых и языковых особенностей при РАС. Нулевое обучение показывает повышение чувствительности диагностики на 10% и более по сравнению с традиционными лингвистическими признаками.
Глубокое обучение для анализа поверхности МР мозга младенцев | РАС-аналитика
Анализ толщины корки и гирификации мозга в возрасте 6–12 месяцев с использованием глубокого обучения позволяет прогнозировать расстройство аутистического спектра к 24 месяцам с точностью 84%. Это открывает возможности ранней интервенции у младенцев из группы риска.
Графовые свёрточные сети для анализа ФМР при РАС | РАС-аналитика
Многовидовые графовые свёрточные сети открывают новый подход к анализу пространственно-временных паттернов связности мозга при РАС. Метод позволяет выявить нейробиологические маркеры с точностью, превосходящей традиционные подходы на основе областей интереса.
Мультимодальный ИИ для диагностики РАС
Глубокое обучение и машинное обучение открывают новые возможности в ранней диагностике расстройств аутистического спектра, анализируя несколько источников данных одновременно.
Объяснимый ИИ для ранней диагностики аутизма
Объяснимый искусственный интеллект обеспечивает клиническую прозрачность в диагностике РАС, позволяя врачам понять, как именно модель пришла к своему заключению.
Окулография для скрининга РАС
Система Газефайндер проводит полный скрининг на расстройства аутистического спектра за две минуты, анализируя движения глаз у младенцев и малышей.
Прогнозирование траекторий адаптивного поведения при РАС | РАС-аналитика
Модели машинного обучения позволяют прогнозировать индивидуальные траектории развития адаптивного поведения у аутичных детей на основе ранних оценок. Исследование 1225 детей показало высокую точность прогнозирования шкал Винленда для поддержки персонализированного планирования интервенций.
Цифровое фенотипирование РАС с помощью SenseToKnow | РАС-аналитика
Приложение SenseToKnow для планшетов использует сенсорные задачи и видеоанализ для цифрового фенотипирования расстройства аутистического спектра. Достигает чувствительность 87.8% у детей ясельного возраста и успешно расширено для группы 3–8 лет.