患有自闭症谱系障碍的儿童的手腕旋转模仿能力下降

科学领域:

• 生物医学工程 生物医学工程
• 发展心理学 发展心理学
• 机器学习 机器学习

背景情况:

• 无意义的总运动模仿 (GMI) 是自闭症谱系障碍 (ASD) 的儿童面临的重大挑战.
• 对于在ASD中评估GMI,研究有限,测试范式也很少.
• 手腕旋转模仿 (WRI) 是一种可以进行评估的特定类型的GMI.

研究的目的:

• 开发和验证一个低成本的可穿戴惯性传感器系统,用于评估儿童的WRI能力.
• 调查ASD儿童与典型发育 (TD) 儿童之间的WRI能力差异.
• 应用机器学习算法来根据WRI指标对ASD进行分类.

主要方法:

• 设计了一个新的手腕旋转模拟 (WRI) 任务.
• 低成本的可穿戴惯性传感器在WRI任务中捕获了加速和角度加速数据.
• 提取了三个指标 (总旋转时间,旋转幅度,对称性),并用于训练五个机器学习分类器.
• 该系统在49名ASD儿童和59名TD儿童 (年龄为3.5-6.5岁) 上进行了测试.

主要成果:

• 与TD儿童相比,ASD儿童的WRI能力明显下降,由更短的旋转时间,更低的振幅和较弱的对称性证明.
• 天真贝叶斯分类器在区分ASD和TD儿童方面获得了最高的准确度 (88%) 和AUC (0.91).
• WRI指标 (旋转振幅和对称性) 显示了与毛细运动和精细运动技能的显著相关性.

结论:

• 使用可穿戴传感器开发的WRI评估系统是评估ASD运动模仿缺陷的可行和准确工具.
• 减少WRI能力是自闭症障碍的潜在指标,与更广泛的运动技能障碍相关.
• 这种低成本的方法为ASD的早期识别和干预策略提供了一个有希望的途径.