MMASD：一个用于自闭症干预分析的多模态数据集
计算机视觉与模式识别
2023-10-03 v3 机器学习
摘要
自闭症谱系障碍（ASD）是一种以显著社会沟通障碍及感知和呈现沟通线索困难为特征的发育障碍。机器学习技术已被广泛采用以促进自闭症研究与评估。然而，计算模型主要集中于特定分析，并在自闭症领域的私有数据集上验证，由于保护隐私的数据共享复杂性，限制了跨模型的比较。本工作提出了一个新颖的隐私保护开源数据集 MMASD，作为一个多模态 ASD 基准数据集，收集自自闭症儿童的游戏治疗干预。MMASD 包含来自 32 名 ASD 儿童的数据，以及从超过 100 小时干预录音中分割出的 1,315 个数据样本。为促进公开访问，每个数据样本由四种隐私保护模态数据组成；其中部分派生自原始视频：（1）光流，（2）2D 骨架，（3）3D 骨架，以及（4）临床医生对儿童的 ASD 评估分数，例如 ADOS 分数。MMASD 旨在协助研究人员与治疗师理解儿童的认知状态、监测其治疗进展并相应定制治疗方案。它也对动作质量评估和人际同步估计等下游任务有所启发。MMASD 数据集可于 https://github.com/Li-Jicheng/MMASD-A-Multimodal-Dataset-for-Autism-Intervention-Analysis 轻松获取。
引用
@article{arxiv.2306.08243,
title = {MMASD: A Multimodal Dataset for Autism Intervention Analysis},
author = {Jicheng Li and Vuthea Chheang and Pinar Kullu and Eli Brignac and Zhang Guo and Kenneth E. Barner and Anjana Bhat and Roghayeh Leila Barmaki},
journal= {arXiv preprint arXiv:2306.08243},
year = {2023}
}
备注
8 pages, 2 figures