不同意图场景眼动注视模式机器学习算法识别孤独症谱系障碍的研究

摘要

目的 旨在探究孤独症谱系障碍(autism spectrum disorder, ASD)和正常发育(typically developing,TD)儿童在观看不同意图场景视频时的视觉感知差异，并通过机器学习算法，探索客观区分ASD和TD儿童的可行性。方法 共纳入58名ASD儿童和50名TD儿童，观看包含联合意图和非联合意图的视频，使用儿童观看视频时在不同注视兴趣区的注视时长占比和注视次数占比作为原始特征指标，输入到分类器中构建分类模型，分析比较不同分类模型的分类准确率、灵敏度和特异度等指标。结果 使用支持向量机、线性判别算法、决策树、随机森林和邻近算法(K=1、3、5、7) 8种常见的分类器基于原始特征指标进行分类时，最高分类精度为81.90%。为进一步提高分类精度，采用特征重构方式，运用决策树分类器进行分类，分类模型的准确度高达91.43%，特异度为89.80%，灵敏度为92.86%，受试者操作特征曲线的曲线下面积为0.909 (P<0.001)。结论 采用眼动追踪数据构建的机器学习模型可精确地将ASD儿童与TD儿童区分开来，为开发快速客观筛查ASD的辅助工具提供科学依据。[中国当代儿科杂志，2024,26 (2):151-157]

关键词

孤独症谱系障碍 / 机器学习 / 联合意图 / 动作理解 / 眼动追踪 / 儿童

基金资助

国家自然科学基金面上项目(31971009;82171539); 中国科学院青年创新促进会项目(2021082)