相关实验视频
Updated: May 11, 2026
09:03
Eye Tracking Young Children with Autism
Published on: March 27, 2012
45.4K
阿德特模型:通过使用视网膜扫描图像的眼睛跟踪模型实时检测自闭症
Jesu Mariyan Beno Ranjana1, Rajendran Muthukkumar1
1Department of Information Technology, National Engineering College, Information and Communication Engineering, Anna University, Chennai, India.
概括
这项研究介绍了一种早期自闭症检测方法,使用眼睛跟踪和视觉变压器模型. 通过儿童的视觉注意力模式,ADET框架在识别自闭症生物标志物方面表现有前途.
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
- 生物医学工程 生物医学工程
背景情况:
- 自闭症谱系障碍 (ASD) 的特点是对社交刺激的注意力缺乏.
- 早期发现自闭症至关重要,可以通过分析视觉注意力模式来帮助.
- 眼睛追踪技术为识别早期自闭症生物标志物提供了一种潜在的方法.
研究的目的:
- 使用眼睛跟踪数据开发和评估早期自闭症检测模型.
- 通过眼睛凝视序列分析儿童的视觉行为模式.
- 为了利用Shi-Tomasi角探测和视觉转换器用于自闭症诊断.
主要方法:
- 拟议的ADET模型使用基于角探测的视觉变压器 (CD-ViT).
- 输入图像被分成补丁,并由变压器编码器处理.
- 视觉变压器是精心调整的二进制分类使用remora优化在547个眼睛跟踪图像.
主要成果:
- 与RM3ASD,MLP,SVM,CNN和其他拟议的方法相比,ADET框架实现了更高的分类准确性.
- 具体的准确性得到了改善,ADET框架在区分自闭症和非自闭症儿童视觉模式方面表现出有效性.
结论:
- 开发的查方法可以帮助医疗专业人员准确有效地检测自闭症.
- 眼睛跟踪与ADET等先进的人工智能模型相结合,为早期识别自闭症谱系障碍提供了有价值的工具.
更多相关视频
06:15Using the Visual World Paradigm to Study Sentence Comprehension in Mandarin-Speaking Children with Autism
Published on: October 3, 2018
7.6K
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
