用于自闭症相关行为标志无创评估的计算机视觉工具
计算机视觉与模式识别
2012-11-09 v2
摘要
发育障碍的早期检测对儿童预后至关重要，它能够启动促进发育和改善预后的干预措施。关于自闭症谱系障碍 (ASD) 的研究表明，行为标志可在生命第一年的后期被观察到。许多此类研究涉及对儿童自然行为进行广泛的逐帧视频观察和分析。尽管这些方法是非侵入性的，但它们极其耗时且需要高水平的观察者训练；因此，它们不适用于临床和大规模人群研究目的。现有的婴儿 ASD 诊断措施仅由具有早期诊断经验的专家使用时才准确。这项工作是一个长期多学科项目的第一个里程碑，旨在帮助临床医生和全科医生自动完成这种早期检测/测量任务。我们专注于提供计算机视觉工具，以基于婴儿自闭症观察量表 (AOSI) 的组成部分来测量和识别 ASD 行为标志。特别是，我们开发了算法来测量评估视觉注意力的三个关键 AOSI 活动。我们在这些 AOSI 活动基础上增加了一项额外的测试，用于分析无支撑步态中的不对称模式。第一组算法涉及通过跟踪面部特征来评估头部运动，而步态分析则依赖于视频中的联合前景分割和 2D 人体姿态估计。我们展示的结果提供了深刻的见解，以增强临床医生从真实临床评估中获得的行为观察。
引用
@article{arxiv.1210.7014,
title = {Computer vision tools for the non-invasive assessment of autism-related behavioral markers},
author = {Jordan Hashemi and Thiago Vallin Spina and Mariano Tepper and Amy Esler and Vassilios Morellas and Nikolaos Papanikolopoulos and Guillermo Sapiro},
journal= {arXiv preprint arXiv:1210.7014},
year = {2012}
}