通过循环-卷积神经网络（R-CNN）探索ASD儿童情绪模式作为早期生物标志物
计算机视觉与模式识别
2022-01-03 v1 人工智能
机器学习
神经与进化计算
摘要
自闭症谱系障碍（ASD）已被发现是众多职业治疗师关注的主要问题。这种神经发育障碍的首要挑战在于分析和探索儿童在发育早期阶段的各类症状。此类早期识别可协助治疗师与临床医生提供适当的辅助支持，使儿童能够独立生活。儿童所感知的面部表情与情绪可有助于自闭症的早期干预。就此，本文实现了对基本面部表情的识别，并基于时间变异因子探索其情绪。情绪通过分析由 CNN 识别的面部表情来研究，该识别使用绘制在前脸的 68 个关键点，并通过由 RNN 构成的预测网络（称为 RCNN-FER 系统）进行。本文采用 R-CNN 以利用其在预测情绪作为文本网络分析时准确性及性能的提升与时间复杂度的降低。与为此类识别所构建的简单机器学习模型相比，本文证明了在识别自闭症儿童情绪方面具有更优的准确性，从而为自闭症群体做出贡献。
引用
@article{arxiv.2112.14983,
title = {Exploring the pattern of Emotion in children with ASD as an early biomarker through Recurring-Convolution Neural Network (R-CNN)},
author = {Abirami S P and Kousalya G and Karthick R},
journal= {arXiv preprint arXiv:2112.14983},
year = {2022}
}
备注
8 figures and 2 tables. totally 18 pages