基于关键点的多线索特征融合网络 (MF-Net),用于TOVA评估中对ADHD儿童的行动识别
Wanyu Tang1, Chao Shi1, Yuanyuan Li2
1College of Biomedical Engineering, Sichuan University, Chengdu 610065, China.
Bioengineering (Basel, Switzerland)
|January 8, 2025
概括
这项研究引入了多关键特征融合网络 (MF-Net),用于检测注意力缺陷多动性障碍 (ADHD) 儿童的行为. 这种新的系统在从视频数据中识别ADHD特异性的行为方面达到很高的准确性.
科学领域:
- 计算机科学 计算机科学
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
背景情况:
- 注意缺陷多动症 (ADHD) 是儿童和青少年常见的一种神经发育障碍.
- 行为分析对于ADHD诊断至关重要,但现有的方法与ADHD特定的动作作斗争.
- 当前的算法往往忽略了与ADHD相关的独特行为模式.
研究的目的:
- 开发一种新的基于关键点的系统,用于识别儿童的ADHD特异性行为.
- 使用人体和面部关键点数据准确评估ADHD症状.
- 改善在ADHD诊断中对多动和冲动的客观量化.
主要方法:
- 提出了多关键特征融合网络 (MF-Net),这是一个基于关键点的ADHD行为识别系统.
- 使用多尺度特征和框架注意力自适应图形卷积网络 (MSF-AGCN) 进行身体关键点分析.
- 在图像转换后使用MobileVitv2进行面部关键点分析,整合身体和面部特征.
主要成果:
- 在3801个ADHD儿童视频样本上,MF-Net系统实现了90.6%的top-1准确率和97.6%的top-2准确率.
- 该系统在与ADHD相关的六个行动类别中表现出强的表现.
- 在公共数据集 (NW-UCLA,NTU-2D,AFEW-VA) 上的验证证实了网络的有效性.
结论:
- 开发的MF-Net系统为客观ADHD行为评估提供了一个有希望的方法.
- 身体和面部关键点特征的融合提高了识别特异性ADHD行为的准确性.
- 这项技术有可能在儿童多动症的诊断和监测方面发挥重要作用.
