基于动作对比特征学习的早期自闭症诊断
计算机视觉与模式识别
2023-07-18 v4 机器学习
摘要
自闭症，又称自闭症谱系障碍(ASD)，是一种神经系统疾病。其主要症状包括(言语和/或非言语)沟通困难以及刻板/重复行为。这些症状常与正常(对照)个体难以区分，导致该障碍在幼年期未被诊断，从而造成治疗延迟。由于初始年龄段学习曲线陡峭，自闭症的早期诊断可使其在恰当时间采取充分干预，这可能正向影响自闭症儿童的成长。此外，传统自闭症诊断方法需多次就诊专科精神科医生，但该过程可能耗时。本文中，我们提出一种基于学习的方法，利用受试者的简单小型动作视频片段自动化自闭症诊断。该任务尤其具有挑战性，因为可用标注数据量少，且两类(ASD与对照)样本间差异通常难以区分。这一点在基线编码器之上使用交叉熵损失学习的二分类器性能不佳上也很明显。为此，我们在自监督与监督学习框架中均采用对比特征学习，并表明其可显著提升该任务上二分类器的预测准确率。我们通过在两个公开数据集上不同设置下的详尽实验分析进一步验证了这一点。
引用
@article{arxiv.2209.05379,
title = {Action-based Early Autism Diagnosis Using Contrastive Feature Learning},
author = {Asha Rani and Pankaj Yadav and Yashaswi Verma},
journal= {arXiv preprint arXiv:2209.05379},
year = {2023}
}
备注
This preprint has not undergone peer review (when applicable) or any postsubmission improvements or corrections. The Version of Record of this article is published in Multimedia Systems (2023), and is available online at https://doi.org/10.1007/s00530-023-01132-8