UniAR: A Unified Framework for Autism Recognition Enhanced by Multi-View Prompt Learning

计算机科学 人工智能 语义学(计算机科学) 自闭症谱系障碍 机器学习 自闭症 判决 视觉推理 自然语言处理 面部表情 临床实习 模式识别(心理学) 面子(社会学概念) 限制 可视化 隐藏字幕 深度学习 视觉感受 面部识别系统 任务分析 卷积神经网络 强迫(数学)
作者
Lei Xin,Zeheng Wang,Jiayin Zhu,Shihong Huang,Fanhu Zeng,Changjiang Jiang,Dengbo He,Yutao Yue,Zhenglun Kong
出处
期刊: [Association for Computing Machinery]
卷期号:: 12212-12221
标识
DOI:10.1145/3767308.3835308
摘要

Autism Spectrum Disorder (ASD) is a complex neurodevelopmental disorder for which early and accurate diagnosis is critical to improving long-term developmental outcomes. However, existing ASD recognition methods are often constrained by the scarcity of diagnostic text data, forcing them to rely mainly on visual analysis and limiting their ability to model clinically meaningful semantic reasoning. To address this challenge, we propose UniAR, a unified framework enhanced by multi-granularity prompt learning for robust ASD recognition under heterogeneous data variations. Specifically, UniAR leverages a large multimodal model to generate hierarchical diagnostic descriptions at the word, phrase, and sentence levels, compensating for the lack of paired clinical reports. To align the generated semantics with visual evidence, we further design a Mixture-of-Experts-based Multi-Scale Alignment Module, which dynamically matches vector-quantized visual prototypes with semantic representations at corresponding granularities. Extensive experiments on four benchmarks covering brain MRI and facial expression scenarios show that UniAR consistently outperforms existing state-of-the-art methods, achieving average accuracies of 75.9% on MRI benchmarks and 91.6% on facial benchmarks, while improving average Accuracy on MRI benchmarks by 1.5 percentage points and average Accuracy on facial benchmarks by 1.2 percentage points over baselines.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Kaitlyn发布了新的文献求助20
刚刚
星辰大海的应助被zhao采纳,获得10
1秒前
实验狗发布了新的文献求助10
1秒前
zxr完成签到,获得积分10
1秒前
yimin完成签到,获得积分10
1秒前
张伟发布了新的文献求助10
1秒前
花火发布了新的文献求助10
1秒前
1秒前
2秒前
2秒前
洛初完成签到,获得积分10
2秒前
2秒前
2秒前
3秒前
SciGPT的应助被核桃采纳,获得10
3秒前
鳗鱼尔芙完成签到 ,获得积分10
3秒前
希望天下0贩的0的应助被核桃采纳,获得10
3秒前
Orange的应助被核桃采纳,获得10
3秒前
烟花的应助被温暖砖头采纳,获得10
3秒前
思源的应助被核桃采纳,获得10
3秒前
Zhang_Dian发布了新的文献求助10
3秒前
爆米花的应助被核桃采纳,获得10
3秒前
Orange的应助被核桃采纳,获得10
3秒前
思源的应助被WilliamsR1123采纳,获得10
3秒前
coolru的应助被核桃采纳,获得10
3秒前
失眠的念桃完成签到,获得积分10
3秒前
coolru的应助被核桃采纳,获得10
3秒前
科研通AI6.3的应助被核桃采纳,获得10
4秒前
领导范儿的应助被核桃采纳,获得10
4秒前
爆米花的应助被神宝嘎li采纳,获得10
4秒前
Owen的应助被corleeang采纳,获得10
4秒前
聪明小丸子完成签到,获得积分10
4秒前
abydauw完成签到,获得积分20
4秒前
Lucas的应助被jiqihao采纳,获得10
4秒前
慕青的应助被jiqihao采纳,获得10
4秒前
七叶树完成签到,获得积分10
5秒前
5秒前
自信诗桃发布了新的文献求助10
6秒前
6秒前
6秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
Improving the wear resistance of vehicle gear oil by oil soluble LaF3 nanoparticles and typical additives of gear oil 500
Boundaries and Bodhisattvas 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8183142
求助须知:如何正确求助?哪些是违规求助? 9572420
关于积分的说明 21825253
捐赠科研通 7779922
什么是DOI,文献DOI怎么找? 3433850
关于科研通互助平台的介绍 2558060
邀请新用户注册赠送积分活动 2480124