Classification multiaxialeCombinez un trouble, une fonction, une population, un contexte ou une intervention.
Troubles et conditions neurodéveloppementales1
Fonctions et dimensions cliniques2
Population et étape de vie1
Évaluation, intervention et accompagnement3
Type et statut de la publication3
Limites méthodologiques repérées2
Fiabilité source
Effacer
Autisme / TSASource tier 1

Modèle d'apprentissage automatique pour la détection des troubles du spectre autistique à l'aide de signaux électrorétinographiquesMachine learning model for the detection of autism spectrum disorder using electroretinogram signals.

Autisme / TSATraitement sensorielVisionÉvaluation diagnostiqueInstrument d’évaluation
ÉlevéNiveau de preuvePubMed / PMC — neurodeveloppement open accessSourceDOIRéférence disponible

Cette étude propose un cadre d'apprentissage automatique, UMAP-ERG, combinant UMAP, SMOTE et classifieurs conventionnels pour détecter l'autisme à partir de signaux électrorétinographiques (ERG). Sur 106 participants, le modèle SVM a atteint une AUC de 0,98, une précision de 0,96, une sensibilité de 0,93 et une spécificité de 0,98, surpassant les modèles exi...

Hors périmètreSource tier 1

Qu'est-ce qui contribue à notre perception de l'illusion de la table de Shepard ?What contributes to our perception of the Shepard Tabletop Illusion?

VisionAdulteÉtude transversaleLimites non déterminées
ModéréNiveau de preuvePubMed — TSA diagnostic et outilsSourceDOIRéférence disponible

Cette étude examine les mécanismes de l'illusion de la table de Shepard, où deux parallélogrammes identiques apparaissent avec des proportions différentes selon leur orientation. En mesurant la susceptibilité à l'illusion sous différentes conditions (indices de profondeur, texture, rotation mentale, constance de forme) et en évaluant les traits autistiques,...