You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
Early detection of Autism Spectrum Disorder (ASD) is crucial for children's development, yet the diagnostic procedure remains challenging. EyeTism employs machine learning on eye tracking data from both high-functioning ASD and typically developing children (TD) to create a diagnostic tool based on their distinct visual attention patterns.
O Sofia Mobile é um projeto acadêmico desenvolvido com Kotlin e Jetpack Compose para auxilio na identificação de sinais precoces do TEA em crianças de 0 a 2 anos, por meio de protocolos de triagem e IA.
Site informativo sobre o projeto Sofia, um Software Orientado por Inteligência Artificial para Auxílio ao Pré-diagnóstico de Crianças de 0 a 2 Anos com Manifestações Comportamentais do Transtorno do Espectro Autista (TEA). Acessível pelo link: https://sofia-aja.vercel.app
Este projeto propõe um brinquedo interativo projetado para auxiliar profissionais na identificação de sinais do Transtorno do Espectro Autista (TEA) em crianças. O brinquedo visa estimular sensorialmente as crianças e observar possíveis déficits de percepção visual na identificação de formas e cores.
Early detection of Autism Spectrum Disorder (ASD) is crucial for children's development, yet the diagnostic procedure remains challenging. EyeTism employs machine learning on eye tracking data from both high-functioning ASD and typically developing children (TD) to create a diagnostic tool based on their distinct visual attention patterns.
Este projeto implementa uma Rede Neural Multicamadas (MLP) para auxiliar no pré-diagnóstico de crianças de 0 a 4 anos com manifestações comportamentais do Transtorno do Espectro Autista (TEA).
Early detection of Autism Spectrum Disorder (ASD) is crucial for children's development, yet the diagnostic procedure remains challenging. EyeTism employs machine learning on eye tracking data from both high-functioning ASD and typically developing children (TD) to create a diagnostic tool based on their distinct visual attention patterns.