Corpus complet

Articles

4 articles, page 1 sur 1, triés par date de publication.

Filtres actifs
Intelligence artificielle×Validation d’instrument×
Classification multiaxialeCombinez un trouble, une fonction, une population, un contexte ou une intervention.
Troubles et conditions neurodéveloppementales3
Autisme / TSA3Condition génétique ou syndromique1TDAH1
Population et étape de vie2
Enfance3Adolescence1
Contextes de vie et facteurs environnementaux6
Accessibilité1Environnement numérique1Environnement physique1Famille1Précarité socio-économique1Soins primaires1
Évaluation, intervention et accompagnement5
Intelligence artificielle4Évaluation diagnostique3Instrument d’évaluation2Repérage et dépistage1Technologie d’assistance1
Type et statut de la publication3
Validation d’instrument4Étude de performance diagnostique2Publié avec évaluation par les pairs1
Limites méthodologiques repérées3
Limites non déterminées3Généralisation limitée1Petit échantillon1
Fiabilité source
Source tier 14
Résumé
Avec résumé4
Preuve
Modéré3Élevé1
Date
7 jours30 jours90 jours
Tri
RécentAncien
Effacer
Autisme / TSASource tier 1

Caractérisation neurophysiologique de l'EEG du trouble du spectre autistique par analyse fréquentielle basée sur la DWT avec électrodes sélectives et segmentation cérébrale : une approche explicable par IANeurophysiological EEG Characterization of Autism Spectrum Disorder Using DWT-Based Frequency Analysis With Selective Electrodes and Brain Segmentation: An Explainable AI-Driven Approach.

Autisme / TSAEnfanceÉvaluation diagnostiqueInstrument d’évaluationIntelligence artificielle
ModéréNiveau de preuvePubMed — TSA diagnostic et outilsSourceDOIRéférence disponible

Cette étude propose une méthode de caractérisation neurophysiologique de l'EEG pour le diagnostic du trouble du spectre autistique (TSA) chez les enfants. Elle utilise la transformée en ondelettes discrète (DWT) pour extraire les bandes de fréquences (delta, thêta, alpha, bêta, gamma) à partir de 15 électrodes segmentées en 7 régions cérébrales. Les caractér...

Autisme / TSASource tier 1

Stratification du risque oncogénique par IA dans les troubles du spectre autistique pédiatriques : un cadre d'apprentissage automatique multi-omique pour la prévention précoce du cancerAI-driven oncogenic risk stratification in pediatric autism spectrum disorder: A multi-omic machine learning framework for early cancer prevention.

Autisme / TSACondition génétique ou syndromiqueEnfanceSoins primairesPrécarité socio-économique
ModéréNiveau de preuveSemantic Scholar — neurodeveloppement transverseSourceDOIRéférence disponible

Cette étude rétrospective a utilisé un cadre d'apprentissage profond multitâche pour identifier les profils oncogéniques à haut risque dans une cohorte de 5 120 enfants avec TSA issus de pays à revenu faible ou intermédiaire. En intégrant des données génomiques, métaboliques maternelles et d'exposition environnementale, le modèle a atteint une AUC-ROC de 0,9...

TDAHSource tier 1

ChatGPT comme source d'information médicale pour le TDAHCould ChatGPT Be a Potential Medical Information Source for Attention Deficit Hyperactivity Disorder?

TDAHEnfanceAdolescenceFamilleEnvironnement numérique
ModéréNiveau de preuveSemantic Scholar — neurodeveloppement transverseSourceDOIRéférence disponible

Cette étude évalue la qualité des informations médicales fournies par ChatGPT 4.0 sur le TDAH. Des questions fréquemment posées par les familles ont été soumises à ChatGPT en simulant un parent ou un professionnel expérimenté. Les réponses ont été évaluées par deux experts sur l'exactitude, la clarté et l'inclusivité. Les résultats montrent une grande exacti...

Autisme / TSASource tier 1

MACAFNet : cadre de fusion multi-atlas basé sur Transformer pour la classification des troubles du spectre autistique à l'aide de la connectivité fonctionnelle.MACAFNet transformer-based multi-atlas fusion framework for autism spectrum disorder classification using functional connectivity.

Autisme / TSAÉvaluation diagnostiqueIntelligence artificielleValidation d’instrumentLimites non déterminées
ÉlevéNiveau de preuvePubMed / PMC — neurodeveloppement open accessSourceDOIRéférence disponible

Cette étude propose un cadre de fusion multi-atlas contextuelle (MACAFNet) pour classifier le trouble du spectre autistique (TSA) à partir de features de connectivité fonctionnelle (FC) extraites d'IRMf en état de repos (rs-fMRI). Le modèle intègre plusieurs atlas cérébraux (AAL, CC200, Dosenbach160, EZ, HO, TT) via un mécanisme d'attention de type Transform...