基于机器学习的自闭症严重程度预测方法

自闭症的有效早期诊断对其干预和治疗具有重要影响。在本文中，提出了一种综合考虑遗传因素和环境因素来预测自闭症严重程度的方法。根据儿童自闭症评定量表（CARS），从自闭症门诊收集了样本集，并构建了基于堆叠稀疏自编码器结合 softmax 分类器的预测模型。我们将所提出的模型与决策树和支持向量机进行了比较。实验表明，所提出的模型在预测自闭症严重程度方面具有最高的准确率。我们的方法可以帮助患者预测其病情并协助医生进行精准诊断。