相关实验视频
Updated: Jul 14, 2026
09:03
Eye Tracking Young Children with Autism
Published on: March 27, 2012
45.4K
利用ConvNextBase和LightGBM的混合模型,通过眼神分析来早期检测ASD
Ranjeet Bidwe1, Sashikala Mishra1, Simi Bajaj2
1Symbiosis Institute of Technology, Pune Campus, Symbiosis International (Deemed University), Lavale, Pune, Maharashtra, India.
MethodsX
|February 3, 2025
概括
这项研究引入了一种用于儿童早期自闭症谱系障碍 (ASD) 检测的新眼神分析方法. 该系统实现了高精度和特异性,改善了对ASD的早期识别和干预.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 发展心理学 发展心理学
背景情况:
- 自闭症谱系障碍 (ASD) 是一种影响行为和沟通的发育状况.
- 全球自闭症患病率正在增加,可能会被诸如增加屏幕时间和减少社交互动等因素加剧.
- 目前的ASD检测方法是漫长的,主观的,非临床的,延迟了诊断和干预.
研究的目的:
- 引入一种用于早期检测儿童自闭症特征的新方法,使用眼神分析.
- 开发和验证一个强大的计算模型来识别ASD的早期指标.
主要方法:
- 这是一种混合方法,它结合了ConvNeXtBase用于特征提取和LightGBM用于分类,利用眼睛位置数据.
- 一个经过修改的ConvNeXtBase架构,具有特定的未结层,密集层和脱落层,用于增强功能学习.
- 使用3倍交叉验证优化LightGBM模型,并调整了超参数以提高稳定性.
主要成果:
- 提出的系统实现了高性能指标:95%的准确性,98%的特异性,93%的精度和91%的AUC-ROC.
- 该模型在公开的Kaggle数据集上展示了与现有的最先进方法相比更高的性能.
- 有效地减少了假阳性,表明可靠地识别了自闭症特征.
结论:
- 眼睛凝视分析为早期和客观检测自闭症谱系障碍提供了一个有希望的途径.
- 开发的ConvNeXtBase和LightGBM模型提供了一个高度准确和特定的工具,用于识别ASD的早期迹象.
- 这种新的方法有可能显著改善ASD儿童的早期干预策略.
关键词:
使用眼睛定位检测自闭症谱系障碍的早期检测方法.自闭症谱系障碍 自闭症谱系障碍卷积神经网络 (CNN) 是一种神经网络.深度神经网络 (DNN) 是一种深度神经网络.面部特征 面部特征 面部特征机器学习 (ML) 是指机器学习.转移学习转移学习更多相关视频
07:09Gaze in Action: Head-mounted Eye Tracking of Children's Dynamic Visual Attention During Naturalistic Behavior
Published on: November 14, 2018
10.5K
05:32Comparing Eye-tracking Data of Children with High-functioning ASD, Comorbid ADHD, and of a Control Watching Social Videos
Published on: December 7, 2018
8.8K
