一种基于机器学习的孤独症谱系障碍早期识别方法

摘要

本发明提供了一种基于机器学习的孤独症谱系障碍早期识别方法，属于医学诊断技术领域，包括：选择发育障碍性儿童的行为评估量表构建数据集，所述数据集中包含发育性语言障碍DLD样本、全面发育迟缓GDD样本和孤独症谱系障碍ASD样本；对数据集内的样本进行预处理，通过设置权重处理不平衡数据；基于分类模型XGBoost构建两阶段决策模型TS‑DM；将待测样本输入TS‑DM模型，通过TS‑DM模型分别对发育性语言障碍DLD和孤独症谱系障碍ASD、全面发育迟缓GDD进行识别。本发明提高发育量表的辅助决策能力，用可解释性模型为临床医生提供鉴别诊断思路，以利于早期识别ASD等发育障碍性疾病。