开发一种使用便携式眼睛跟踪来协助ADHD查的创新方法:一项机器学习研究

科学领域:

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

背景情况:

• 注意缺陷/多动障碍 (ADHD) 是儿童常见的一种神经发育障碍.
• 注意力和记忆力等神经心理功能的缺陷是ADHD的核心特征.
• 眼睛的运动反映了大脑活动,可以与这些认知功能联系起来.

研究的目的:

• 开发一种机器学习 (ML) 模型来选儿童的ADHD.
• 从反映ADHD相关神经心理缺陷的行为任务中利用眼睛跟踪功能.
• 评估eye-tracking数据作为独立的ADHD查工具的有效性.

主要方法:

• 招募了56名ADHD儿童和79名典型发育儿童 (TDC).
• 在五个行为任务 (选择性注意力,工作记忆,反应抑制) 中收集了眼睛跟踪数据.
• 采用ML来选择特征并构建ADHD检测分类模型.

主要成果:

• 确定了33个眼睛跟踪特征,使ADHD儿童与TDC区分开来.
• 患有ADHD的组表现出增加的萨卡德延迟/度和更短的固定时间.
• 一个软投票的ML模型在单独使用眼睛跟踪功能识别ADHD时达到76.3%的准确性.

结论:

• 即使来自数字设备的眼睛追踪功能,也显示出作为ADHD查工具的潜力.
• 这些特征可以作为ADHD神经生物学障碍的可靠指标.
• 建议在未来使用更大,更多样化的样本进行研究,以提高临床效用.