菜单
BRIDGE神经多样性检测方法论。整合图规范建模和深度生成网络，创建神经典型发育轨迹参考，评估个体神经偏离程度。适用于神经发育障碍诊断、脑龄预测、连接组分析。触发词：神经多样性、神经发育障碍、脑龄、规范建模、neurodivergence、brain age。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/hiyenwong/ai_collection --skill bridge-neurodivergence-detection命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
正在显示 SKILL.md
| name | bridge-neurodivergence-detection |
| description | BRIDGE神经多样性检测方法论。整合图规范建模和深度生成网络，创建神经典型发育轨迹参考，评估个体神经偏离程度。适用于神经发育障碍诊断、脑龄预测、连接组分析。触发词：神经多样性、神经发育障碍、脑龄、规范建模、neurodivergence、brain age。 |
| user-invocable | true |
整合图规范建模和深度生成网络，创建神经典型发育轨迹参考，量化神经偏离。
来源： arXiv:2410.11064 效用： 0.93
import torch.nn as nn
class BRIDGEModel(nn.Module):
def __init__(self, n_regions=200, latent_dim=64):
super().__init__()
self.encoder = nn.Sequential(
nn.Linear(n_regions * n_regions, 256),
nn.ReLU(),
nn.Linear(256, latent_dim)
)
self.age_predictor = nn.Linear(latent_dim, 1)
def predict_brain_age(self, connectivity):
x = connectivity.flatten()
h = self.encoder(x)
return self.age_predictor(h)
def compute_neurodivergence(self, conn, age):
brain_age = self.predict_brain_age(conn)
return abs(brain_age - age)
评估自闭症儿童的脑连接偏离程度。