| 基于面孔加工异常的孤独症儿童识别 |
| |
| 引用本文： | 崔冬,韩晓雅,陈贺,韩俊霞,李小俚,康健楠.基于面孔加工异常的孤独症儿童识别[J].科学通报,2020,65(20):2128-2135. |
| |
| 作者姓名： | 崔冬 韩晓雅 陈贺 韩俊霞 李小俚 康健楠 |
| |
| 作者单位： | 燕山大学信息科学与工程学院,秦皇岛066004;河北省信息传输与信号处理重点实验室,秦皇岛066004;北京师范大学认知神经科学与学习国家重点实验室,北京100875;首都师范大学心理学院,北京市“学习与认知”重点实验室,北京100048;河北大学电子信息工程学院,保定071000 |
| |
| 基金项目： | 河北省自然科学基金;国家自然科学基金 |
| |
| 摘 要： | 眼动追踪技术在孤独症谱系障碍的早期诊断中具有潜在的应用价值.为研究孤独症儿童对不同面孔加工的特点,应用机器学习算法对其进行自动识别,本研究选取3～6岁孤独症儿童40名和性别、年龄相匹配的正常儿童41名观看异国陌生面孔、本国陌生面孔和本国熟悉面孔,根据两组儿童眼动坐标数据,使用机器学习算法进行自动划分兴趣区、特征选择和分类,来判断不同面孔的扫描模式是否可以用于识别孤独症儿童,并从准确率、特异性、敏感性和可靠性4个方面对分类模型进行评估.结果显示,基于不同面孔扫描模式的机器学习算法可以提取足够的信息来区分孤独症和正常儿童,最大分类准确率为90.28%,对应AUC(area under the ROC curve)为0.9317.因此,眼动追踪技术结合机器学习能够为临床诊断提供辅助的评价指标.
|
| 关 键 词： | 孤独症 眼动追踪 机器学习 面孔加工 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
