59、自闭症谱系障碍和智力障碍儿童的情绪状态及婴儿哭声分类研究

自闭症谱系障碍和智力障碍儿童的情绪状态及婴儿哭声分类研究

在儿童情绪状态研究领域，对于自闭症谱系障碍（ASD）和智力障碍（ID）儿童的情绪状态自动分类是一个重要的研究方向。同时，婴儿哭声分类对于识别婴儿健康状况也具有重要的社会意义。本文将介绍这两方面的研究进展。

自闭症谱系障碍和智力障碍儿童的情绪状态自动分类

在对儿童情绪状态进行自动分类时，不同的分析方法和数据模态呈现出不同的结果。

面部表情分析

• FaceReader程序算法 ：通过该程序的算法对儿童面部表情进行分析，发现对于喜悦和中性状态的分类效果优于悲伤和愤怒状态。
• 卷积神经网络 ：喜悦状态的分类效果比中性、愤怒和悲伤状态更好。对于自闭症谱系障碍儿童的视频，中性状态的分类效果较好；而对于智力障碍儿童，悲伤状态的分类效果更佳。

语音分析

• 循环神经网络对语音的自动分析 ：其性能低于视频分析。对于自闭症谱系障碍和智力障碍儿童的音频，自动分类中中性状态的分类效果比其他状态更好。对于自闭症谱系障碍儿童，喜悦和悲伤状态难以通过自动方法有效分类；对于智力障碍儿童，愤怒状态难以被分类。
• 对儿童语音文本的自动分析 ：对于愤怒和喜悦状态的分类结果较好，且对智力障碍儿童的分类更准确。

这些研究结果的新颖之处在于提供了具有相似和重叠症状的儿童群体（自闭症谱系障碍和智力障碍）的比较数据，并设定了与非典型发育儿童情