机构名称：
¥ 1.0
背景：自闭症谱系障碍（ASD）的早期诊断非常可取，但仍然是一项具有挑战性的任务，这需要一组认知测试和临床检查时间。此外，存在这种症状的变化，这可以使ASD的识别更加困难。尽管诊断测试在很大程度上是由专家开发的，但它们仍然存在人类偏见。在这方面，计算机辅助的技术可以在支持筛选过程中发挥关键作用。目的：本文遵循基于眼睛凝视的特征元素在ASD中使用眼睛跟踪作为筛选评估的集成部分的路径。这项研究增加了使用眼睛跟踪技术来支持ASD筛选方法的越来越多的努力：所提出的方法基本上旨在将眼睛跟踪与可视化和机器学习相结合。一组59名学龄性参与者参加了这项研究。邀请参与者观看一组与社会认知有关的适合年龄的照片和视频。最初，将眼睛跟踪的扫描路径转换为视觉表示形式，作为一组图像。随后，培训了卷积神经网络以执行图像分类任务。结果：实验结果表明，视觉表示可以简化诊断任务，并且还获得了很高的精度。具体来说，卷积神经网络模型可以达到有希望的分类准确性。这在很大程度上表明可视化可以成功地编码注视运动及其潜在动态的信息。此外，我们探讨了基于最大信息系数的自闭症严重程度与眼动动力学之间的可能相关性。的发现主要表明，眼睛跟踪，可视化和机器学习的结合具有开发客观工具来协助筛查ASD的强大潜力。结论：从广义上讲，我们提出的方法可以转移到筛查其他疾病，尤其是神经发育障碍的方法。
Computer-Aided Screening of Autism Spectrum Disorder
主要关键词
相关文件推荐
