Sep, 2024

探索自闭症儿童的注视模式：聚类、可视化与预测

HTML
PDF
TL;DR本研究解决了自闭症儿童注视模式分析中传统方法依赖手动识别兴趣区域的局限性。我们提出了一种新的方法，利用七种聚类算法自动分组注视点，并提取63个特征用于描述注视模式与自闭症诊断之间的关联。实验结果表明，该方法在分析自闭症儿童独特注视模式和预测诊断方面具有显著的准确性和优越性。
发现论文，激发创造
  • 自闭症检测的人体手势与步态分析

    本研究使用姿态和步态活动视频进行自闭症分析，通过回归自闭症诊断观察量表分数，识别患有自闭症的儿童及其条件的严重程度，并提出了一个有效特征来展现不规则的姿态模式，通过双流协同学习框架全面理解姿势和自闭症之间的关系。

    Apr, 2023

  • 使用深度学习方法筛选儿童自闭症谱系障碍：通过与其他模型进行比较来评估YOLOv8的分类模型

    本研究使用 YoloV8 模型对 Kaggle 数据集中的面部图像进行分析，通过深度学习技术帮助自闭症儿童的诊断和分类，以提高早期干预和治疗效果。

    Jun, 2023

  • ChildPlay: 了解儿童注视行为的新基准

    该研究使用儿童玩耍和互动时的视频片段为基础数据集，提出了一种几何精确的预测儿童与成年人的视线目标的模型，该模型使用深度推断方法对场景进行3D视野场地构建，并在公开数据集和儿童玩耍数据集上达到最先进的结果。

    Jul, 2023

  • 机器学习方法在自闭症谱系障碍的早期诊断中的应用

    利用不同机器学习算法研究自闭症的诊断方法，发现了最重要的特征并自动化了诊断过程，同时采用流行的聚类算法对数据集进行了进一步分析，得出了最佳聚类模型。

    Sep, 2023

  • 自闭症谱系障碍儿童眼动追踪模式分类的内积融合卷积神经网络

    在这篇论文中，我们利用两种不同的图像处理操作来研究这些过程如何学习眼动追踪模式，并提出了一种简单而有效的方法，将 involution 与 convolution 相结合，使其成为一个深度学习模型的位置特定能力的混合。我们调查了我们的方法在分类眼动追踪模式方面表现良好的原因。对于比较分析，我们对两个独立的数据集以及两者的组合版本进行了实验。结果表明，具有三个 involution 层的 IC 方法优于先前的方法。

    Jan, 2024

  • 基于可解释人工智能的自闭症谱系障碍在真实课堂环境中干扰和高风险行为量化的隐私保护视频分析

    本研究解决了在真实课堂环境中快速识别和准确记录自闭症谱系障碍（ASD）中干扰和高风险行为的问题。通过先进的视频基础群体活动识别技术，我们提出了一种能够在保护隐私的同时量化行为的可解释模型，其F1-score达77%。该研究为开发有效的数据收集工具奠定了基础，从而减轻了课堂工作人员的工作负担。

    Jul, 2024

  • 多种物理指标的集成建模以动态表型自闭症谱系障碍

    本研究解决了自闭症谱系障碍(ASD)早期检测的不足。通过利用手机应用程序GuessWhat收集的自然视频数据，我们开发了基于LSTM的模型并采用集成技术，显著提高了诊断准确性，整体AUC达到90%。这一方法在早期检测ASD方面具有重要意义，可能减少对主观评估的依赖，使早期识别更加可及和公平。

    Aug, 2024

  • 通过亲子互动积木游戏协议与注意力增强的GCN-xLSTM混合深度学习框架提升自闭症谱系障碍早期检测

    本研究针对自闭症谱系障碍（ASD）早期检测中的客观性不足问题，提出了一种新的亲子互动积木游戏协议（PCB），旨在识别自闭症与正常发展幼儿之间的行为模式。同时，我们构建了一个大规模的视频数据集，包含40名自闭症幼儿和89名正常发展的幼儿，通过采用一种混合深度学习框架，实现了高达89.6%的早期检测准确率，能够极大地改善自闭症的早期诊断，提高临床决策的及时性与准确性。

    Aug, 2024

  • 基于视频分析揭示自闭症谱系障碍者的非典型社交注视

    本研究针对自闭症谱系障碍（ASD）患者的社交注视进行定量和全面分析，填补了传统研究视角的空白。通过利用自闭症诊断观察表（ADOS-2）访谈视频，我们采用第三人称视角，提取了注视特征并构建了分类器，发现能够有效识别ASD患者的注视异常。这一方法有望提升ASD的诊断效率。

    Sep, 2024

  • 基于额外刺激行为的新型自闭症分类视频数据集

    本研究解决了准确诊断自闭症谱系障碍（ASD）在年轻儿童中的难题，特别是在数据可用性方面的不足。提出了视频ASD数据集，包含2,467个视频的特征数据，展示儿童对化学感官刺激的反应，旨在促进ASD分类的进展。研究发现，运动噪声对模型性能的影响凸显了复杂标签和更多数据需求的重要性。

    Sep, 2024