相关实验视频
Updated: Jul 15, 2025
09:03
Eye Tracking Young Children with Autism
Published on: March 27, 2012
45.7K
基于机器学习的自闭症早期诊断是根据真实和人造面部的眼球运动扫描扫描,根据真实和人造面部的眼球运动
Fanchao Meng1,2, Fenghua Li3, Shuxian Wu2
1The National Clinical Research Center for Mental Disorder & Beijing Key Laboratory of Mental Disorders, Beijing Anding Hospital, Capital Medical University, Beijing, China.
Frontiers in neuroscience
|October 5, 2023
概括
眼睛追踪可以通过分析眼神模式来帮助儿童识别自闭症谱系障碍 (ASD). 与典型的发展同龄人相比,患有自闭症的儿童对人类刺激和漫画的注意力有所不同.
科学领域:
- 发展心理学 发展心理学
- 神经科学是一个神经科学.
- 机器学习 机器学习
背景情况:
- 患有自闭症谱系障碍 (ASD) 的儿童对社会线索表现出不典型的目光行为.
- 了解这些差异可能有助于早期识别ASD.
研究的目的:
- 为了确定眼睛运动模式是否响应卡通人物和真人,可以识别患有自闭症的儿童.
- 探索视觉刺激在自闭症诊断中的有用性.
主要方法:
- 从161名12至60个月龄的儿童 (117名自闭症,44名TD) 收集的眼睛跟踪数据,他们观看卡通和真人视频.
- 用于特征选择和分类的随机森林算法,用于评估关键特征的后勤回归.
- 数据按参与者,事件和兴趣领域等级组织.
主要成果:
- 该模型的整体精度为0.73,精度为0.73,回忆率为0.75.
- 对人类相关刺激的注意力增加与ASD诊断有积极的相关性.
- 卡通人物的缩短固定时间与自闭症诊断有负相关性.
结论:
- 眼睛跟踪与机器学习相结合,显示出在幼儿中识别自闭症的潜力.
- 人工面孔,就像卡通人物一样,需要进一步调查它们在自闭症诊断和干预中的作用.
更多相关视频
05:32Comparing Eye-tracking Data of Children with High-functioning ASD, Comorbid ADHD, and of a Control Watching Social Videos
Published on: December 7, 2018
9.0K
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.0K
