相关实验视频
Updated: Sep 14, 2025

09:03
Eye Tracking Young Children with Autism
Published on: March 27, 2012
45.8K
基于使用多流神经网络和注意力机制的刻板印象的手拍动作来诊断DASD-自闭症谱系障碍
Theyazn H H Aldhyani1,2, Abdullah H Al-Nefaie1,3
1King Salman Center for Disability Research, Riyadh, Saudi Arabia.
Frontiers in physiology
|July 22, 2025
概括
这项研究引入了一个自动化的多流框架,通过分析手拍行为来检测早期自闭症谱系障碍 (ASD). 人工智能模型实现了高精度,为医疗保健专业人员提供了可靠的工具.
科学领域:
- 计算机科学 计算机科学
- 医疗成像医学成像
- 发展心理学 发展心理学
背景情况:
- 早期发现自闭症谱系障碍 (ASD) 是至关重要的,但受到主观临床观察的挑战.
- 传统的自闭症诊断方法缺乏客观的,可量化的指标.
研究的目的:
- 引入一种创新的多流框架,用于对刻板印象的动作进行自动分析,特别是对ASD患者的手拍行为.
- 使用先进的AI技术开发用于早期ASD查的可靠工具.
主要方法:
- 将EfficientNetV2B0,ResNet50V2和DenseNet121卷积神经网络集成到一个多流架构中.
- 纳入空间和时间注意力机制,层次特征融合和自适应时间采样.
- 使用了自刺激行为数据集 (SSBD),包括66个视频进行实验验证.
主要成果:
- 多流框架实现了96.55%的整体精度在手拍的检测.
- 证明了高性能,具有100%的特异性和94.12%的灵敏度.
- 在检测手拍行为方面获得了令人印象深刻的F1分数97%.
结论:
- 开发的框架为早期ASD查提供了一个可靠的,自动化的工具.
- 提供客观,可量化的指标来补充传统的ASD诊断方法.
- 通过数据驱动的洞察力增强医疗保健专业人员通过数据驱动的洞察力来检测ASD的能力.
更多相关视频
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
9.1K
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.1K