Central AsianResearch Index

ПРИМЕНЕНИЕ МОДЕЛЕЙ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ РАННЕГО ВЫЯВЛЕНИЯ ПРИЗНАКОВ АУТИЗМА НА ОСНОВЕ АНАЛИЗА ДВИЖЕНИЙ ГЛАЗ: APPLICATION OF DEEP LEARNING MODELS FOR EARLY DETECTION OF AUTISM SIGNS BASED ON EYE MOVEMENT ANALYSIS

Представленное исследование отражает результаты разработки и тестирования двух моделей глубокого обучения — долгой краткосрочной памяти с сверточной нейронной сетью (LSTM+CNN) и долгой краткосрочной памяти с автоэнкодером (LSTM+AE) — для диагностики расстройств аутистического спектра. Работа направлена на использование технологии айтрекинга для регистрации данных о движении глаз участников при взаимодействии с анимированными объектами. Данные сохранялись в формате .npy массивов NumPy для удобства последующего анализа. Алгоритмы оценивались по точности, способности к обобщению и времени обучения, что было подтверждено экспертами. Основная цель исследования — повышение точности и эффективности диагностики аутизма. Архитектуры LSTM+CNN и LSTM+AE показали высокую перспективность для достижения данной цели, при этом модель с автоэнкодером особенно выделяется своей способностью выявлять скрытые взаимосвязи между наборами данных. В статье также рассматриваются возможные клинические применения алгоритмов и направления дальнейших исследований.

Сведения

Опубликовано
2025 · Т. 6, № 4(24), С. 239-250
Язык
Русский
ISSN
2708-2032 · 2708-2040
Издатель
International Information Technology University
Аффилиации
Евразийский национальный университет имени Л. Н. Гумилева, Астана, Казахстан
Ферганский государственный университет, Фергана, Узбекистан