用于自闭症刻板运动检测的卷积神经网络
神经与进化计算
2016-06-08 v3 计算机视觉与模式识别
机器学习
机器学习
摘要
自闭症谱系障碍（ASD）通常伴随有特定的非典型姿态或运动行为，其中刻板运动具有特定的可见性。虽然 SMM 模式的识别与量化仍然复杂，但其自动化将为自闭症治疗中干预措施的精确调整提供支持。因此，在真实世界环境中开发自动 SMM 检测系统至关重要，同时需注意处理强烈的受试者间和受试者内变异性。无线加速度计传感技术可以为实时 SMM 检测提供有效的基础设施，然而这种变异性对于机器学习方法而言依然是一个问题，特别是当考虑从加速度计信号中提取人工特征时。在此，我们提出采用深度学习范式，以从多传感器加速度计信号中学习判别特征。我们的结果提供了初步证据，表明嵌入在深度架构中的特征学习和迁移学习在纵向场景下实现了更高精度的 SMM 检测器。
引用
@article{arxiv.1511.01865,
title = {Convolutional Neural Network for Stereotypical Motor Movement Detection in Autism},
author = {Nastaran Mohammadian Rad and Andrea Bizzego and Seyed Mostafa Kia and Giuseppe Jurman and Paola Venuti and Cesare Furlanello},
journal= {arXiv preprint arXiv:1511.01865},
year = {2016}
}
备注
Presented at 5th NIPS Workshop on Machine Learning and Interpretation in Neuroimaging (MLINI), 2015, (http://arxiv.org/html/1605.04435), Report-no: MLINI/2015/13