多物理指标集成建模用于自闭症谱系障碍的动态表型分析
计算机视觉与模式识别
2024-08-26 v1 人工智能
摘要
自闭症是一种以社交沟通障碍为特征的神经发育障碍，其早期检测对于及时干预至关重要。最近的进展利用了通过移动应用程序GuessWhat拍摄的自然家庭视频。通过儿童与其监护人之间进行的互动游戏，GuessWhat积累了来自382名儿童（包括确诊和未确诊自闭症谱系障碍（ASD）的儿童）的超过3000个结构化视频。该集合为训练计算机视觉模型检测ASD相关表型标记（包括情绪表达、眼神接触和头部运动的变化）提供了稳健的数据集。我们开发了一个协议，从该数据集中筛选高质量视频，形成全面的训练集。利用该训练集，我们使用眼睛注视、头部位置和面部标志作为输入特征，训练了独立的基于LSTM的模型，分别达到了86%、67%和78%的测试AUC。为了提高诊断准确性，我们应用了后期融合技术来创建集成模型，将整体AUC提升至90%。该方法在不同性别和年龄组中也产生了更公平的结果。我们的方法通过可能减少对主观评估的依赖，并使早期识别更易获取和更公平，为ASD的早期检测迈出了重要一步。
引用
@article{arxiv.2408.13255,
title = {Ensemble Modeling of Multiple Physical Indicators to Dynamically Phenotype Autism Spectrum Disorder},
author = {Marie Huynh and Aaron Kline and Saimourya Surabhi and Kaitlyn Dunlap and Onur Cezmi Mutlu and Mohammadmahdi Honarmand and Parnian Azizian and Peter Washington and Dennis P. Wall},
journal= {arXiv preprint arXiv:2408.13255},
year = {2024}
}