用于识别自闭症谱系障碍中非典型视觉注意的双流端到端深度学习网络
图像与视频处理
2019-11-27 v1 计算机视觉与模式识别
神经元与认知
摘要
眼动已被广泛研究用于探讨自闭症谱系障碍（ASD）中的非典型视觉注意。这些研究大多聚焦于有限的眼动特征，通过在 ASD 与典型发育（TD）组间进行统计比较，难以在个体层面准确区分 ASD 与 TD。深度学习技术通过数据驱动的学习过程自动提取对分类重要的特征，已成功克服该问题。然而，目前仍缺乏用于识别 ASD 中异常注意的端到端深度学习框架。本研究基于 700 张图像及相应的 ASD 与 TD 眼动模式，开发了一种新颖的双流深度学习网络用于该识别任务，取得了 0.95 的准确率，高于先前的最优水平（state-of-the-art）。我们进一步刻画了分类在单图像层面的贡献，以及分类过程中该单图像层面信息的非线性整合。此外，我们识别出这些图像中一组对分类影响更大的像素级视觉特征。综上，该双流深度学习网络为我们提供了一种识别并理解 ASD 中异常视觉注意的新颖且有力的工具。
引用
@article{arxiv.1911.11393,
title = {A Two-stream End-to-End Deep Learning Network for Recognizing Atypical Visual Attention in Autism Spectrum Disorder},
author = {Jin Xie and Longfei Wang and Paula Webster and Yang Yao and Jiayao Sun and Shuo Wang and Huihui Zhou},
journal= {arXiv preprint arXiv:1911.11393},
year = {2019}
}