在五秒数据记录中识别自闭症目光模式

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
• 生物医学工程 生物医学工程

背景情况:

• 诊断自闭症谱系障碍 (ASD) 通常需要广泛的数据收集,这带来了挑战,特别是在儿童中.
• 目前对ASD的诊断方法可能是耗时且数据密集的.

研究的目的:

• 通过使用短眼睛跟踪数据集 (5秒) 调查ASD的新型分类器.
• 引入和评估一种新的指标,以区分ASD视线模式与典型发达 (TD) 个体.
• 将拟议的指标与传统的眼睛跟踪指标和最先进的AI分类器进行比较.

主要方法:

• 利用了来自ASD和TD儿童的5秒眼睛跟踪数据.
• 介绍了一种用于分析目光模式的新型度量.
• 将新指标的性能与已有的眼睛跟踪指标和领先的AI分类器进行了比较.

主要成果:

• 新的指标在分类ASD和TD儿童之间的眼神视线轨迹方面取得了93%的准确性.
• 5秒的指标在分类准确性方面超过了传统的眼球追踪指标.
• 性能与最先进的人工智能基准可比,即使是那些经过长时间序列训练的人.

结论:

• 一个简单的,五秒钟的眼睛跟踪指标可以有效地区分ASD视线模式.
• 这种方法提供了一种不那么数据密集,更直接的替代现有诊断方法.
• 虽然它不是医疗诊断的替代品,但它有助于识别ASD中的潜在视觉注意力差异.