연구자들은 자폐성인과 신경정형 성인 간의 집단 고유한 지각 차이를 드러내기 위해 자극을 발견하고 변환하는 모델 유도 프레임워크를 개발했습니다. 이미지 수준 판단을 사용하여 인공 신경망 모델을 훈련함으로써, 진단적 얼굴 표정의 차이가 균일하지 않고 제한된 하위 집합의 자극에 집중되어 있음을 확인했습니다.

  • 연구팀은 이러한 모델을 사용하여 그룹 간 분리를 최대화할 것으로 예측되는 새로운 얼굴을 선택했으며, 이는 독립적인 코호트에서 일치하는 무작위 이미지보다 더 큰 행동 차이를 생성했습니다.
  • 진단적 이미지를 더 큰 예측된 그룹 합의로 변환하기 위해 생성적 적대 네트워크를 활용하여 표현형 일치 검증에서 행동 분리를 성공적으로 줄였습니다.

이 접근 방식은 행동 페노타이핑이 고정 자극 세트 전반의 평균화를 넘어 신경다양성 지각이 분기하거나 수렴하는 조건을 식별하는 최적화된 검정으로 나아갈 수 있음을 보여줍니다.