基于数据挖掘的模型用于计算机辅助的自闭症和凝恐惧症诊断:混合方法 深度学习方法
Mohamed Eldawansy1, Hazem El Bakry1, Samaa M Shohieb1
1Information Systems, Faculty of Computers and Information, Mansoura University, Mansoura, Egypt.
JMIR formative research
|August 13, 2025
概括
一个新的AI系统通过分析面部表情和使用问卷,准确地检测出凝恐惧症,即害怕被嘲笑的恐惧. 这种工具对患有自闭症谱系障碍 (ASD) 个体的早期诊断充满希望.
科学领域:
- 人工智能的人工智能
- 心理学 心理学 心理学
- 计算机科学 计算机科学
背景情况:
- 凝恐惧症,即害怕被嘲笑的恐惧,影响了6%的神经类型和高达45%的自闭症谱系障碍 (ASD) 患者.
- 这种并发症显著损害生活质量,特别是在具有高功能自闭症的青少年中.
- 自动检测工具对于早期诊断和干预至关重要.
研究的目的:
- 开发一个深度学习系统,整合面部情绪识别和问卷.
- 在患有或没有自闭症的个体中检测凝恐惧症.
- 提高社会弱势群体的诊断准确度.
主要方法:
- 在使用DeepFace库对2932张面部图像 (50%ASD,50%神经类型) 进行了深度学习分类器的训练.
- 分析了面部表情的凝恐惧症的迹象;用于模两可的情况,使用了GELOPH<15>问卷.
- 在Python中实现了系统,使用PyTorch,scikit-learn,NumPy和Pandas.
主要成果:
- 实现了ASD识别的92%整体预测准确度.
- 成功分类的凝恐惧症与清晰的面部表情.
- 结合面部分析和GELOPH<15>问卷以提高诊断可靠性.
结论:
- 深度学习与诊断工具相结合,有效地检测出凝恐惧症,特别是在患有自闭症的人群中.
- 高精度表明临床和研究应用的潜力.
- 未来的研究可以扩展该系统以进行更广泛的心理评估.
