从头部运动中检测自闭症,使用动力学

科学领域:

• 计算机视觉 计算机视觉
• 行为科学 行为科学
• 发育神经科学的发展神经科学.

背景情况:

• 头部运动对于社会互动和沟通至关重要.
• 视频中头部运动的自动分析具有挑战性,因为时间和频率可变.
• 量化沟通式头部运动对于行为和心理健康研究至关重要.

研究的目的:

• 开发一种新且高效的编码系统,用于自动化头部运动分析.
• 根据中国学理论来定义基本的头部运动单位 (kinemes).
• 验证用于预测自闭症谱系障碍 (ASD) 诊断的框架.

主要方法:

• 根据解剖学约束,定义了头部运动 (膝盖) 的最小单位.
• 量化了跨角元件的位置,大小和持续时间.
• 从 kine 组合中开发出更高层次的构造 (kinemes).
• 通过从互动伙伴的视频记录中预测ASD来验证系统.
• 嵌入了语音模式,以区分说话和听话时的头部运动.

主要成果:

• 拟议的框架成功地确定了基本的头部运动单元.
• 框架的多尺度属性显著提高了性能.
• 跨时间尺度的崩行为降低了分类准确性.
• 区分说话和听话时的头部动作增强了ASD分类.

结论:

• 新的编码系统为分析头部运动提供了一种有效的方法.
• 该框架显示了改善对ASD等疾病的诊断的潜力.
• 将头部运动与语音分析相结合,为行为研究提供了更全面的方法.