自动化分析自闭症谱系障碍儿童视频中的刻板印象运动

科学领域:

• 神经发育障碍 神经发育障碍
• 医疗保健中的人工智能
• 行为科学 行为科学

背景情况:

• 刻板印象的运动运动 (SMM) 是自闭症谱系障碍 (ASD) 的核心症状.
• 目前用于量化SMM严重性的方法是主观的和耗时的,依赖于护理人员的报告或手动视频注释.
• 需要客观和有效的工具来测量ASD儿童的SMM.

研究的目的:

• 评估一种开源AI算法,用于分析ASD儿童的广泛视频录像.
• 为了自动识别和量化异构的SMM,使SMM严重程度的客观评估.
• 为了确定算法的准确性和与手动注释的相关性.

主要方法:

• 一项回顾性队列研究包括241名患有自闭症的儿童 (年龄为1.4-8.0岁).
• 从行为评估中分析了580小时的视频录像,使用姿势估计算法和3D卷积神经网络进行分析.
• 该算法在220名儿童的数据上进行了训练,并在21名儿童的数据上进行了测试.

主要成果:

• 该算法检测到92.53%的手动注释的SMM,测试数据的精度为66.82%.
• 算法识别的SMM在数量 (r=0.8) 和持续时间 (r=0.88) 方面与手动注释有很高的相关性.
• 人工智能工具在识别各种各样的SMM时表现出了准确性.

结论:

• 开发的AI算法可以准确地识别和量化ASD儿童的SMM.
• 这项技术可以客观地直接估计SMM的严重程度.
• 这些发现支持AI在改善ASD症状的评估和理解方面的实用性.