【手机中国新闻】失读症是一种常见的基于语言的学习障碍，其症状为糟糕的字词阅读，字词理解，口语阅读流畅度和拼写能力。一些调查估计每十个人中的一个，也就是全世界大约七亿人患有该疾病。犹他州的失读症中心表示大约70%到80%的阅读能力低下者可能患有失读症。
失读症虽不会危及生命，但如果对其置之不理，该疾病会严重影响到患者的组织、计划、优先度判断和计时能力。然而不幸的是，目前尚没有能够诊断失读症的单一检测手段。人工智能也许会在未来成为突破口。以色列理工学院临床神经学实验室和海法大学计算机科学学院的研究者声称已经开发出一种无需人类干预，技术精准且能够自动识别失读症患者的人工智能模型。
阅读
“我们所开发的诊断方法基于处理系统收集到的信号，”研究者在论文中介绍道。“同时我们还应用了多元方差分析相关的机器学习技术，以此来分析失读症患者同优秀阅读者之间的差异。”研究者解释道，最新有关失读症的研究成果表明关键的神经心理学要素，例如大脑听觉和视觉系统之间的时序和活跃等级会影响到人对字词的理解准确度。（大脑后叶决定认知；前叶同行为，学习，个性和自主行为有关；左侧的威尼克区负责言语理解；布洛卡区掌管言语生成。）非同步理论认为，在理解字词的过程中，大脑不同区域间信息处理的速度差异可能会影响到信息的同步，进而影响到信息处理的准确性。
为了收集供该AI失读症诊断系统使用的数据，研发团队招募了32位母语为希伯来语并且就读六七年级的儿童，其中有17位已经被确诊为失读症。实验参与者被要求完成词汇判断任务，具体为判断192个词语是否是有意义的。在他们进行该任务的同时，附着在他们头皮上的电极持续记录脑电波和眼部活动信息。在排除了所得数据中的人为干扰因素之后，研究者计算出一种信号，也就是事件相关电位（ERP）。在从ERP中提取相关特征的过程中，他们将这些特征归入不同的片段。
研究者所用的选择算法被称作“ReliefF”，即一种“能够评判同自身携带特征相关程度进而消除相似样本”的模型。其结构可以让研究者识别出大脑中对诊断有非正常影响的部分。研究者从64个电极中的每一个里都选出了27个特征，然后将其输入进算法中然后评估得到的结果。在学习了其中最显着的60个特征后，机器学习模型已经能以80%的准确度将健康的实验参与者和失读症患者区分开来，如果只学习10个特征的话，准确率也能达到70%。有趣的是，研究者发现大脑的一个特定部分，也就是左前部，在整体诊断过程中有较高的重要性。据此，他们推断大多数失读症患者和“正常人”之间的差异性形成于人类左脑。
加入收藏
