研究人员开发了一个框架，使用针对特定人群的 artificial neural network 模型来预测自闭症和典型发育参与者的图像级判断，旨在解决面部情绪感知研究中的变异性。

  • 这些模型被用于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。
  • 采用 generative adversarial network 将诊断图像向更高的预测组一致性方向转换，在表型匹配的验证中减少了行为分离度。
  • 这种方法建立了一种由模型引导的刺激发现与转换方法，揭示特定人群的感知差异。

结果表明，行为表型分析可以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一致的条件。