研究人员开发了一种基于模型的框架，用于发现和转换刺激物，以揭示自闭症患者与神经典型成年人之间特定的群体感知差异。通过在图像级判断上训练人工神经网络模型，他们发现诊断性面部表情差异集中在少量刺激物子集中，而非均匀分布。
- 团队利用这些模型选择预测能最大化组间分离度的新面孔，这在独立队列中产生了比匹配随机图像更大的行为差异。
- 他们使用生成对抗网络将诊断性图像转换为预测的组间一致性更高的状态，成功在表型匹配的验证中减少了行为分离度。
这种方法展示了行为表型分析如何超越对固定刺激集的平均化，转向优化的检测手段，以识别神经多样性感知出现分歧或趋同的条件。