基于深度学习方法筛查儿童自闭症谱系障碍：通过与其他模型比较评估YOLOv8的分类性能
计算机视觉与模式识别
2023-06-27 v1 人工智能
摘要
自闭症谱系障碍（ASD）是一种发育性疾病，在社交互动、沟通和行为的方面带来显著挑战。早期干预对提升ASD儿童的认知能力和减轻自闭症状起着关键作用。大量临床研究已强调ASD儿童与典型发育（TD）儿童之间存在区别性的面部特征。在本研究中，我们提出了一种利用YOLOv8模型基于面部图像进行ASD筛查的实用方案。通过在Kaggle数据集上采用深度学习技术YOLOv8，我们取得了优异的结果。我们的模型在分类中达到了89.64%的显著准确率以及0.89的F1分数。我们的发现为关于ASD儿童与TD儿童面部特征差异的临床观察提供了支持。所获得的高F1分数展示了深度学习模型在筛查ASD儿童方面的潜力。我们得出结论，通常用于目标检测的最新版YOLOv8也可用于自闭症与非自闭症图像的分类问题。
引用
@article{arxiv.2306.14300,
title = {Screening Autism Spectrum Disorder in childrens using Deep Learning Approach : Evaluating the classification model of YOLOv8 by comparing with other models},
author = {Subash Gautam and Prabin Sharma and Kisan Thapa and Mala Deep Upadhaya and Dikshya Thapa and Salik Ram Khanal and Vítor Manuel de Jesus Filipe},
journal= {arXiv preprint arXiv:2306.14300},
year = {2023}
}
备注
17 pages,12 figures