Cadrul de învățare în ansamblu multi-atlas pentru diagnosticul tulburării din spectrul autist

Acest studiu propune o rețea de învățare profundă multimodală care combină imagistica fMRI în stare de repaus cu date non-imagistice pentru a îmbunătăți acuratețea diagnosticului TSA prin introducerea unei metode inovative de selecție a caracteristicilor (CDDS) și o arhitectură de autoencoder variațional-autoencoder de dezvuiere. Abordarea adresează limitările metodelor diagnostice tradiționale prin reducerea subiectivității și îmbunătățirea extracției caracteristicilor pentru predicții clinice mai fiabile.