一个基于物联网的框架,用于自动评估和报告自闭症谱系障碍儿童的光敏感性

科学领域:

• 神经科学是一个神经科学.
• 工程 工程师 工程师 工程师
• 计算机科学 计算机科学

背景情况:

• 识别患有自闭症谱系障碍 (ASD) 的儿童的光敏感性对于定制感官环境和治疗至关重要.
• 传统的评估方法是主观的,耗时的,需要密集的观察,这给从业者带来了挑战.
• 开发客观和高效的诊断工具对于解决ASD个体感官需求至关重要.

研究的目的:

• 开发一个使用物联网,计算机视觉和数据挖掘的自动化系统,以评估ASD儿童的视觉光敏感性.
• 创建基于物联网 (IoT) 的光敏度评估系统 (IoT-LSAS) 来评估对颜色和照明的反应.
• 与传统方法相比,提供一种更有效,更准确的方法来诊断光敏感性.

主要方法:

• 设计和开发了一个物联网-LSAS,使用泡管 (BT) 作为视觉刺激装置.
• 集成的电子模块用于产生有色的视觉刺激,具有不同的照明水平,并捕捉情绪反应.
• 实施了两个评估模式:使用偏好和使用情绪跟踪的系统控制模式 (SCM) 的儿童控制模式 (CCM).

主要成果:

• 物联网-LSAS在识别患有自闭症儿童的光敏感性方面表现得非常准确.
• 与实践者评估相比,在CCM中达成95%的同意率和在SCM中达成90%的同意率.
• 有效地确定了对光刺激的过敏和低敏反应.

结论:

• 物联网-LSAS是传统方法的可行替代方案,用于诊断ASD儿童的光敏感性.
• 该系统显著减少了诊断所需的时间,帮助临床从业人员.
• 视觉敏感性的自动评估可以为ASD带来更个性化和更有效的干预措施.