ഓട്ടിസം ബാധിച്ച യുവാക്കളിൽ ആക്രമണാത്മക പെരുമാറ്റങ്ങൾ പ്രവചിക്കാൻ മെഷീൻ ലേണിംഗ് കഴിയും
ഓട്ടിസം ബാധിച്ച ഇൻപേഷ്യന്റ് യുവാക്കൾക്ക്, പെരിഫറൽ ഫിസിയോളജിയിലെ മുൻ മാറ്റങ്ങളുടെ മെഷീൻ ലേണിംഗ് വിശകലനങ്ങൾക്ക് ആസന്നമായ ആക്രമണാത്മക പെരുമാറ്റങ്ങൾ സംഭവിക്കുന്നതിന് മുമ്പ് പ്രവചിക്കാൻ കഴിയുമെന്ന് ജാമ നെറ്റ്വർക്ക് ഓപ്പണിൽ ഡിസംബർ 21 ന് ഓൺലൈനിൽ പ്രസിദ്ധീകരിച്ച ഒരു പഠനത്തിൽ പറയുന്നു.
ബോസ്റ്റണിലെ നോർത്ത് ഈസ്റ്റേൺ യൂണിവേഴ്സിറ്റിയിൽ നിന്നുള്ള പിഎച്ച്ഡി, ടെയിൽസ് ഇംബിരിബയും സഹപ്രവർത്തകരും 2019 മാർച്ച് മുതൽ 2020 മാർച്ച് വരെ ഓട്ടിസം സ്ഥിരീകരിച്ച 70 സൈക്യാട്രിക് ഇൻപേഷ്യന്റുകളിൽ നിന്ന് ലഭിച്ച ഡാറ്റ ഉപയോഗിച്ച് ഒരു നോൺ-ഇന്റർവെൻഷണൽ രോഗനിർണയ പഠനം നടത്തി. മൊത്തത്തിൽ, 32 വ്യക്തികൾക്ക് വാക്കാലുള്ളതും 30 പേർക്ക് ബുദ്ധിപരമായ വൈകല്യവും ഉണ്ടായിരുന്നു. പഠനത്തിൽ പങ്കെടുത്തവർ പെരിഫറൽ ഫിസിയോളജിക്കൽ സിഗ്നലുകൾ രേഖപ്പെടുത്തുന്ന വാണിജ്യപരമായി ലഭ്യമായ ഒരു ബയോസെൻസർ ധരിച്ചു. ബയോസെൻസർ ഡാറ്റയിൽ നിന്ന് വേർതിരിച്ചെടുത്ത ടൈം-സീരീസ് സവിശേഷതകൾ വിശകലനം ചെയ്തു.
ഗവേഷകർ 429 നാച്ചുറലിസ്റ്റിക് നിരീക്ഷണ കോഡിംഗ് സെഷനുകൾ രേഖപ്പെടുത്തി, അതിൽ 6,665 ആക്രമണാത്മക പെരുമാറ്റങ്ങൾ രേഖപ്പെടുത്തി, അതിൽ സ്വയം പരിക്ക്, വികാര ഡിസ്റെഗുലേഷൻ, മറ്റുള്ളവരോടുള്ള ആക്രമണോത്സുകത (യഥാക്രമം 59.8, 31.0, 9.3 ശതമാനം) എന്നിവ ഉൾപ്പെടുന്നു. എല്ലാ പരീക്ഷണങ്ങളിലുടനീളം, ലോജിസ്റ്റിക് റിഗ്രഷൻ മൊത്തത്തിലുള്ള ഏറ്റവും മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുന്ന ക്ലാസിഫയറായിരുന്നു (ഉദാഹരണത്തിന്, ആരംഭിക്കുന്നതിന് മൂന്ന് മിനിറ്റ് മുമ്പ് ആക്രമണാത്മക പെരുമാറ്റം പ്രവചിക്കുക; റിസീവർ ഓപ്പറേറ്റിംഗ് സവിശേഷത കർവിന് കീഴിലുള്ള ശരാശരി വിസ്തീർണ്ണം, 0.80).
“മുൻകൂട്ടിയുള്ള ഇടപെടലിനുള്ള പുതിയ അവസരങ്ങൾ പ്രാപ്തമാക്കുന്ന സമയബന്ധിതമായ അഡാപ്റ്റീവ് ഇന്റർവെൻഷൻ മൊബൈൽ ഹെൽത്ത് സിസ്റ്റങ്ങൾ വികസിപ്പിക്കുന്നതിന് ഞങ്ങളുടെ കണ്ടെത്തലുകൾ അടിത്തറ പാകിയേക്കാം,” രചയിതാക്കൾ എഴുതുന്നു. “ആക്രമണാത്മക പെരുമാറ്റത്തിന്റെ പ്രവചനാതീതത കുറയ്ക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതിലൂടെ, ഓട്ടിസം ബാധിച്ച ഇൻപേഷ്യന്റ് യുവാക്കളെ അവരുടെ വീടുകളിലും സ്കൂളുകളിലും കമ്മ്യൂണിറ്റികളിലും കൂടുതൽ പൂർണ്ണമായി പങ്കെടുക്കാൻ ഈ ഗവേഷണ പരിപാടി പ്രാപ്തമാക്കുമെന്ന് ഞങ്ങൾ പ്രതീക്ഷിക്കുന്നു.”
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
