10、唐氏综合征儿童自闭症预测研究

唐氏综合征儿童自闭症预测研究

1. 研究架构

研究的架构如下：首先收集行为数据，然后用多种机器学习算法对这些数据进行测试。基于检测到的行为模式，实现高效的预测。以下是具体的流程：

graph LR
    A[收集行为数据] --> B[机器学习算法测试]
    B --> C[检测行为模式]
    C --> D[实现高效预测]

2. 文献综述

• 基于运动动作识别自闭症 ：Najwani Razali 等人提出通过儿童的运动动作来识别自闭症，如模仿手指敲击、握拳等动作。使用 EEG 设备收集数据集，采用多层感知器（MLP）作为分类器区分自闭症儿童和正常儿童。特征提取使用高斯方法和傅里叶级数。
• EOG 技术用于治疗和疾病检测 ：Joaquin Rapela 等人提出将 EOG 技术用于治疗，设计电脑游戏为儿童提供眼部训练，基于眼动、眼动速度、准确性和注意力来检测疾病。
• 识别自我刺激行为的算法 ：Shyam Sundar Rajagopalan 等人开发了一种算法，从公共数据集中识别自我刺激行为。通过选择 poslet 边界框预测，使用 K - 最近邻算法跟踪儿童视频。还可以通过检测身体区域计算主导运动直方图，构建运动模型来检测自我刺激行为。
• 自我刺激行为的分类研究 ：
  • 使用可穿戴传感器