Les chercheurs ont développé un cadre utilisant des modèles de réseaux neuronaux artificiels spécifiques à la population pour prédire les jugements au niveau de l'image chez les participants autistes et neurotypiques, visant à répondre à la variabilité dans les études sur la perception des émotions faciales.
- Les modèles ont été utilisés pour sélectionner de nouveaux visages prédits comme maximisant la séparation entre groupes, ce qui a produit des différences comportementales plus importantes que des images aléatoires appariées dans une cohorte indépendante.
- Un réseau antagoniste génératif a été employé pour transformer les images diagnostiques vers un accord de groupe prédit accru, réduisant la séparation comportementale dans la validation appariée au phénotype.
- Cette approche établit une méthode guidée par le modèle pour découvrir et transformer des stimuli qui révèlent des différences perceptuelles spécifiques à la population.
Les résultats démontrent comment le phénotypage comportemental peut aller au-delà de la moyenne sur des ensembles de stimuli fixes vers des assays optimisés qui identifient les conditions dans lesquelles la perception neurodivergente diverge ou converge.