基于网络的可持续和非侵入性唾液生物标志物检测自闭症谱系障碍

于红博

摘要: 自闭症谱系障碍（ASD）缺乏可靠的生物标志物，导致早期诊断延迟。利用通过ATR-FTIR光谱分析的159个唾液样本，我们开发了GANet，这是一个基于遗传算法的网络优化框架，利用PageRank和Degree进行基于重要性的特征表征。GANet系统地优化网络结构，从高维光谱数据中提取有意义的模式。与线性判别分析、支持向量机和深度学习模型相比，GANet取得了优越的性能，达到了0.78的准确率、0.61的敏感性、0.90的特异性和0.74的谐波平均值。这些结果表明GANet有望成为一种强大的、受生物启发的、非侵入式工具，用于精确检测ASD以及更广泛的基于光谱的健康应用。

更新时间: 2025-09-19 16:24:48

领域: cs.LG,cs.AI

下载: http://arxiv.org/abs/2509.16126v1