相关实验视频
Updated: Jul 1, 2025
09:03
Eye Tracking Young Children with Autism
Published on: March 27, 2012
45.6K
[机器学习算法用于通过不同意图视频中的眼睛跟踪来识别自闭症谱系障碍]
Rong Cheng1, Zhong Zhao, Wen-Wen Hou1
1CAS Key Laboratory of Behavioral Science, Institute of Psychology/Chinese Academy of Sciences, Beijing 100101, China (Li J, Email: lij@psych. ac.cn).
概括
分析眼睛跟踪数据的机器学习模型可以准确地区分自闭症谱系障碍 (ASD) 的儿童与典型发育 (TD) 的儿童. 这种方法显示出开发ASD快速和客观查工具的希望.
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
- 发展心理学 发展心理学
背景情况:
- 自闭症谱系障碍 (ASD) 诊断依赖于行为观察,往往导致延迟.
- 对ASD的目标生物标志物对于早期干预至关重要.
- 在ASD的视觉感知差异可能提供诊断见解.
研究的目的:
- 使用意图视频调查ASD儿童和典型发育 (TD) 儿童之间的视觉感知差异.
- 评估机器学习 (ML) 的可行性,以客观识别ASD.
主要方法:
- 从58名ASD儿童和50名TD儿童观看意图视频中收集的眼睛跟踪数据 (目光持续时间,频率).
- 使用特征指标开发和评估ML模型 (例如决策树,SVM).
- 使用特征重建来提高分类性能.
主要成果:
- 最初的ML模型达到81.90%的准确性.
- 具有特征重建的决策树模型达到91.43%的准确度,89.80%的特异性和92.86%的灵敏度.
- 优化的模型显示出强大的诊断能力 (AUC=0.909,P<0.001).
结论:
- 眼睛跟踪数据与ML相结合,可以准确地区分ASD儿童和TD儿童.
- 这种方法为开发快速,客观的ASD查工具提供了基础.
- 这些发现支持在神经发育障碍诊断中使用计算方法.
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
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
9.0K
