用于注视偏好检测的卷积神经网络：一种儿童自闭症谱系障碍的潜在诊断工具
计算机视觉与模式识别
2020-07-30 v1
摘要
众所周知，自闭症谱系障碍(ASD)的早期诊断可改善患者生活质量。然而，即便在包括美国在内的较富裕国家，诊断也常延迟，主要因金标准诊断工具如自闭症诊断观察量表(ADOS)与修订版自闭症诊断访谈(ADI-R)耗时且需专业操作。在资源较匮乏地区此趋势更显著，因缺乏训练有素专家。因此，已开发利用ASD儿童在受控环境中对视觉刺激独特反应方式的替代性、低技术方法以助早期诊析。既往研究表明，当观看并排呈现社会与抽象场景的视频时，ASD儿童相较非ASD儿童更聚焦于屏幕上的抽象图像。此类差异反应使得基于眼动追踪对不同视觉刺激实现ASD快速诊断算法成为可能。本文提出一种卷积神经网络(CNN)算法，利用从一分钟刺激视频提取的图像进行注视预测。我们的模型在独立个体上及采用不同于测试所用相机时，对注视方向预测均达高准确率与鲁棒性。此外，该算法响应快，提供近实时ASD评估。从而，应用所提方法可显著缩短诊断时间并便利资源匮乏地区的ASD诊断。
引用
@article{arxiv.2007.14432,
title = {A Convolutional Neural Network for gaze preference detection: A potential tool for diagnostics of autism spectrum disorder in children},
author = {Dennis Núñez Fernández and Franklin Barrientos Porras and Robert H. Gilman and Macarena Vittet Mondonedo and Patricia Sheen and Mirko Zimic},
journal= {arXiv preprint arXiv:2007.14432},
year = {2020}
}
备注
Pre-printed version for submission in a journal