基于摄像头的行走动态特征分析和识别自闭症谱系障碍

科学领域:

• 神经学 神经学
• 生物机械工程 生物机械工程
• 发展心理学 发展心理学

背景情况:

• 自闭症谱系障碍 (ASD) 与非典型的发展有关,可能导致微妙的步行缺陷.
• 这些步态异常,如失调的动作和特殊的姿势,往往被忽视.
• 量化这些微妙的步态变化对于理解自闭症和开发诊断工具至关重要.

研究的目的:

• 量化患有自闭症儿童的非典型步行模式.
• 探索使用步态分析用于ASD识别的可行性.
• 调查步行参数与ASD临床严重程度之间的相关性.

主要方法:

• 收集了38名自闭症儿童和30名健康对照 (HC) 的自然行走视频.
• 使用骨架模型提取了步态动力学参数,专注于关节摆动角度和振幅.
• 分析了步态特征和临床ASD严重程度得分 (ABC,克兰西自闭症行为量表) 之间的相关性.
• 开发和评估基于步行数据的ASD识别的机器学习模型.

主要成果:

• 与HC相比,患有ASD的儿童的步骤长度,速度,腿摇角度和协调明显下降.
• 在ASD组中观察到头角的显著增加.
• 步行特征与自闭症行为检查清单 (ABC) 和克兰西自闭症行为量表得分有显著的相关性,协调只与ABC相关.
• 随机森林模型实现了最高的识别精度 (0.84) 和F1得分 (0.86).

结论:

• 患有自闭症的儿童表现出明显的非典型步行模式.
• 步行分析为辅助ASD评估和识别提供了一个有希望的,非侵入性的方法.
• 这项研究为潜在的临床应用提供了一种基于步态的新型识别模型.