基于 RGBD 数据表达行为的 ADHD 与 ASD 自动检测
计算机视觉与模式识别
2016-12-08 v1
摘要
注意缺陷多动障碍 (ADHD) 和自闭症谱系障碍 (ASD) 是影响大量儿童和成人的神经发育疾病。目前，此类疾病的诊断由专家通过标准问卷和人工观察寻找特定行为标记来完成。这种诊断方法不仅主观、难以重复且成本高昂，而且极其耗时。在这项工作中，我们提出了一种新颖的方法，通过对个体行为的自动视觉分析来辅助预测 ADHD 和 ASD 的存在/缺失。为此，我们以计算机为媒介进行问卷调查，同时使用现代 RGBD (彩色+深度) 传感器记录参与者。与以往仅专注于检测特定行为标记的自动方法相比，我们的方法提供了一个完全自动化的端到端系统，用于直接预测成人的 ADHD 和 ASD。利用基于动态深度学习和行为 3D 分析的最先进面部表情分析技术，我们在对照组 vs 患病组 (ADHD/ASD) 上达到了 96% 的分类准确率，在共病组 (ADHD+ASD) vs 仅 ASD 组上达到了 94% 的分类准确率。我们表明，该系统对 ADHD 和 ASD 的诊断领域是一个潜在有用的省时贡献。
引用
@article{arxiv.1612.02374,
title = {Automatic Detection of ADHD and ASD from Expressive Behaviour in RGBD Data},
author = {Shashank Jaiswal and Michel Valstar and Alinda Gillott and David Daley},
journal= {arXiv preprint arXiv:1612.02374},
year = {2016}
}