Интересное сегодня
Влияние структуры коры на распознавание лиц и автомобилей у ...
ВведениеКортикальная толщина (КТ) связана с перцептивными способностями. Интересным примером являетс...
Как язык вражды влияет на способность сопереживать: научное ...
Введение: проблема языка вражды в современном обществе Распространение языка вражды — оскорбительны...
Генетика осложнений при беременности: как белки влияют на вы...
Введение в проблему осложнений беременности Несмотря на значительные успехи в дородовом и послеродо...
Анализ ЭЭГ сетей иллюзорного движения у левшей и правшей
Введение в нейрофизиологию иллюзорного движения Восприятие собственного движения зависит от интеграц...
Что означает взгляд: как направление глаз и моргание влияют ...
Введение в семантику взгляда Когда дело доходит до формирования впечатлений о наших партнерах по вза...
Использование ИИ для улучшения эмпатии у аутистичных подрост...
Введение Постоянные трудности с социальной коммуникацией и взаимодействием в различных контекстах - ...
Введение
Расстройство аутистического спектра (РАС) характеризуется симптомами, связанными с социальным взаимодействием, коммуникацией и повторяющимся поведением. Обычно диагноз ставится в детстве, но в последние годы всё чаще диагностируется у взрослых. Из-за отсутствия чётких биомаркеров текущий процесс диагностики требует множества оценок, включая наблюдение (например, ADOS2), нейропсихологические тесты и интервью с родителями.
Проблемы диагностики
Традиционные методы диагностики требуют много времени и ресурсов, что приводит к длительным ожиданиям. В связи с растущим спросом на диагностику, всё больше исследований направлено на разработку автоматизированных методов, таких как машинное обучение.
Методы
Участники исследования
В исследовании участвовали 56 пациентов с диагнозом РАС и 38 пациентов с другими психическими расстройствами. Видеозаписи диагностических интервью ADOS2 анализировались с помощью компьютерного зрения.
Анализ синхронности движений
Для оценки синхронности использовался метод Motion Energy Analysis (MEA), который измеряет изменения в движении головы и тела. Затем данные обрабатывались с помощью алгоритма SVM для классификации.
Результаты
Модель SVM показала точность 63.4% в классификации пациентов с РАС. Однако не было обнаружено значимой связи между результатами классификации и клиническими оценками.
Особенности классификации
- Классификация в сторону РАС была связана с большей асимметрией и эксцессом синхронности тела.
- Большее движение врача ассоциировалось с диагнозом РАС, а большее движение пациента — с другими диагнозами.
Обсуждение
Исследование демонстрирует потенциал автоматизированного анализа движений для диагностики аутизма. Однако необходимы дальнейшие исследования для улучшения точности и валидации метода.
Ограничения
Основные ограничения включают небольшой размер выборки и различия в условиях записи видео. Для будущих исследований рекомендуется стандартизация протоколов.
