传感技术和机器学习方法用于自闭症情绪识别:系统审查
Oresti Banos1, Zhoe Comas-González2, Javier Medina1
1Department of Computer Engineering, Automation and Robotics, University of Granada, Granada, Spain.
International journal of medical informatics
|May 9, 2024
概括
本综述检查了自闭症的人类情绪识别 (HER) 系统,强调了挑战和未来的方向. 当前的系统往往忽视了自闭症个体的独特需求,需要量身定制的方法.
科学领域:
- 计算机科学 计算机科学
- 心理学 心理学 心理学
- 生物医学工程 生物医学工程
背景情况:
- 人类情绪识别 (HER) 系统因非典型的社交沟通和情绪表达而面临自闭症的挑战.
- 现有的HER系统通常是为神经类型个体设计的,这限制了它们对自闭症患者的适用性.
研究的目的:
- 对用于自闭症的HER系统的文献进行审查.
- 确定用于自闭症的HER中使用的传感技术和机器学习方法.
- 确定现有的障碍,并建议未来的研究方向.
主要方法:
- 按照PRISMA 2020指南进行系统的文献审查.
- 搜索了Web of Science和Scopus数据库中的2011年1月至2023年6月间发表的文章.
- 包括涉及情绪识别,传感器,机器学习和跨年龄段自闭症患者的研究.
主要成果:
- 在346篇鉴定文章中,65篇符合资格标准.
- 面部表情分析是主要的HER方法,使用视频摄像头.
- 发现了对生理传感器的日益增长的趋势,常见的情绪包括快乐,悲伤,愤怒,恐惧,厌恶和惊喜.
结论:
- 经典的监督机器学习模型比无监督或深度学习方法更受欢迎.
- 研究已经广泛地解决了自闭症问题,仅限于专注于特定的自闭症谱系障碍.
- 自闭症患者的隐私和安全问题得到了不充分的解决.


