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.

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.

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 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.

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.