Skip to main content
main-content
Top

Tip

Swipe om te navigeren naar een ander artikel

01-07-2015 | Original Paper | Uitgave 7/2015

Journal of Autism and Developmental Disorders 7/2015

Use of Machine Learning to Identify Children with Autism and Their Motor Abnormalities

Tijdschrift:
Journal of Autism and Developmental Disorders > Uitgave 7/2015
Auteurs:
Alessandro Crippa, Christian Salvatore, Paolo Perego, Sara Forti, Maria Nobile, Massimo Molteni, Isabella Castiglioni

Abstract

In the present work, we have undertaken a proof-of-concept study to determine whether a simple upper-limb movement could be useful to accurately classify low-functioning children with autism spectrum disorder (ASD) aged 2–4. To answer this question, we developed a supervised machine-learning method to correctly discriminate 15 preschool children with ASD from 15 typically developing children by means of kinematic analysis of a simple reach-to-drop task. Our method reached a maximum classification accuracy of 96.7 % with seven features related to the goal-oriented part of the movement. These preliminary findings offer insight into a possible motor signature of ASD that may be potentially useful in identifying a well-defined subset of patients, reducing the clinical heterogeneity within the broad behavioral phenotype.

Log in om toegang te krijgen

Met onderstaand(e) abonnement(en) heeft u direct toegang:

BSL Psychologie Totaal

Met BSL Psychologie Totaal blijf je als professional steeds op de hoogte van de nieuwste ontwikkelingen binnen jouw vak. Met het online abonnement heb je toegang tot een groot aantal boeken, protocollen, vaktijdschriften en e-learnings op het gebied van psychologie en psychiatrie. Zo kun je op je gemak en wanneer het jou het beste uitkomt verdiepen in jouw vakgebied.

Literatuur
Over dit artikel

Andere artikelen Uitgave 7/2015

Journal of Autism and Developmental Disorders 7/2015 Naar de uitgave