Интересное сегодня
Факторы когнитивной устойчивости к болезни Альцгеймера у нос...
Гендерные факторы, способствующие когнитивной устойчивости у пожилых носителей APOE ɛ4 в популяционн...
Лимеренция: понимание интенсивной привязанности
Введение Лимеренция — это интенсивное, неконтролируемое состояние навязчивого влечения к другому чел...
Как сенсомоторная адаптация выявляет систематические искажен...
ВведениеВопрос о существовании искажений в визуальном восприятии и их влиянии на действия, основанны...
Как расстояние между лидерами подгрупп в сетях влияет на дос...
Введение Формирование консенсуса — это сложный процесс, особенно в сетевых группах. Когда участники ...
Как акустические характеристики инструментальных саундтреков...
Введение Музыка может вызывать сильные эмоции у слушателей. Однако роль инструментальной музыки (муз...
Как музыкальные предпочтения короля Карла III раскрывают его...
Музыкальный портрет короля: что плейлист Карла III говорит о его личности? Король Карл III впервые п...
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.
