相关实验视频
Updated: Jun 28, 2025
Eye Tracking Young Children with Autism
Published on: March 27, 2012
早期识别自闭症谱系障碍基于机器学习与眼睛跟踪数据的早期识别
Qiuhong Wei1, Wenxin Dong2, Dongchuan Yu3
1Children Nutrition Research Center, Children's Hospital of Chongqing Medical University, National Clinical Research Center for Child Health and Disorders, Ministry of Education Key Laboratory of Child Development and Disorders, Chongqing Key Laboratory of Child Neurodevelopment and Cognitive Disorders, Chongqing, China; College of Medical Informatics, Medical Data Science Academy, Chongqing Engineering Research Center for Clinical Big-data and Drug Evaluation, Chongqing Medical University, Chongqing, China.
早期识别自闭症谱系障碍 (ASD) 是至关重要的. 使用眼睛跟踪数据的机器学习模型显示,通过分析社会和非社会认知模式,通过分析儿童的社会和非社会认知模式,对具有成本效益的ASD早期检测有希望.
科学领域:
- 神经科学是一个神经科学.
- 发展心理学 发展心理学
- 计算机科学 计算机科学
背景情况:
- 持续的诊断延迟阻碍了自闭症谱系障碍 (ASD) 的早期干预.
- 及时识别ASD对于改善长期发展结果至关重要.
- 眼睛跟踪技术为评估儿童认知差异提供了一种新的方法.
研究的目的:
- 开发和验证机器学习模型,用于使用眼睛跟踪数据早期识别ASD.
- 研究社会和非社会认知在区分ASD儿童与典型发育 (TD) 同龄人中的作用.
- 识别关键的眼睛跟踪特征,表明ASD.
主要方法:
- 用449名儿童 (246名自闭症患者,203名TD) 的回顾性队列来训练5个机器学习算法.
- 在参与者观看评估社会和非社会认知的视频时,收集了眼动数据.
- 性能最好的模型 (随机森林) 在80名儿童上进行了前性验证,使用Shapley值分析了特征重要性.
主要成果:
- 随机森林模型在外部验证组中实现了0.849的AUC,性能因年龄而异 (<3年:0.832,≥3年:0.868).
- 眼睛跟踪的关键功能包括与社会和非社会认知相关的功能.
- 当仅使用社会或非社会认知特征时,模型性能下降,这突显了两者的重要性.
结论:
- 使用眼睛跟踪数据的机器学习模型为早期ASD识别提供了成本和时间高效的数字工具的潜力.
- 与社会和非社会认知相关的眼睛追踪表型在区分ASD儿童与TD儿童方面具有重要意义.
- 需要使用更大的样本大小进行进一步的研究来完善这些预测模型.
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
05:10Author Spotlight: An Automated Method for Assessing Visual Acuity in Infants and Toddlers Using an Eye-Tracking System
Published on: March 17, 2023
