确定性证据层用于家庭视频自闭症筛查

Wenqi Li等提出一种面向儿童家庭自由玩耍视频的自闭症筛查流程：冻结视觉语言模型，由其生成带时间戳、术语标签和反证的事件表，再以确定性评分计算风险类别。基于论文摘要，该流程在43段无固定协议、由照护者录制的学龄前儿童视频上，经三次运行取得0.851±0.012的AUC、86.0%的准确率和71.8%的F1，每次均正确标注74.4%的片段，高于零样本基线的60.5%。 同一骨干模型上的消融实验将性能提升归因于确定性评分器读取的感知约束。不过，在约零温度下，八种流程配置之间仍有16%—37%的视频预测标签发生变化；当前证据仅来自摘要中的小规模评估，不能据此认定临床有效性或完全可重复性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。