利用基于人工智能的眼睛跟踪技术查儿童的多动症症状.

科学领域:

• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 儿科 儿科 儿科

背景情况:

• 注意缺陷/多动障碍 (ADHD) 是一种影响儿童的神经发育的普遍疾病.
• 目前的ADHD查方法通常需要专门的临床设置.
• 客观的眼睛追踪指标可以提供客观和可访问的查工具.

研究的目的:

• 评估基于人工智能的眼睛跟踪在平板电脑上选儿童多动症症状的有效性.
• 开发和验证一个卷积神经网络模型,用于低分辨率的眼睛凝视预测.
• 为了比较ADHD儿童和典型发育的儿童之间的眼动模式.

主要方法:

• 招募了112名患有ADHD的儿童和325名典型发育的儿童.
• 开发了一个人工智能模型用于眼神预测,适用于低分辨率平板电脑眼睛跟踪.
• 在一个平板电脑上进行固定,前和反任务,以评估注意力和抑制.

主要成果:

• 人工智能眼睛跟踪显示了多动症和典型的开发小组在任务之间表现的显著差异.
• 年龄和诊断显著影响了固定,前和反任务的表现.
• 相关性表明,较高的ADHD症状得分与特定的眼动模式有关,包括更短的固定时间和更差的准确性.

结论:

• 在平板电脑上基于人工智能的眼睛跟踪可以可靠地区分患有ADHD和没有ADHD的儿童之间的眼睛运动模式.
• 这项技术为ADHD查提供了潜在的非临床解决方案.
• 需要在不同的环境中进一步验证,以确定其临床实用性.