本文提出了一种新方法，通过眼动追踪数据和深度神经网络(DNN)来定量、客观地诊断自闭症谱系障碍(ASD)。研究通过Fisher评分选择具有鉴别性的图像，利用DNN预测和可视化眼动差异，再结合SVM进行分类，提高了诊断准确性。实验使用Tobii眼动仪收集数据，基于OSIE数据集的视觉刺激图像，展示出该方法的有效性。
文章名称：Learning Visual Attention to Identify People with Autism Spectrum Disorder
作者：Ming Jiang, Qi Zhao
单位：University of Minnesota，明尼苏达大学（美国）
1、导读
这篇文章提出了一种利用眼动跟踪和深度神经网络对自闭症谱系障碍(ASD)进行定量、客观诊断的新方法。自闭症早期诊断的临床资源长期匮乏。文章工作的三个重点：第一，基于数据驱动，摆脱临床的总体评估，为ASD及其他神经发育障碍疾病的理解提供解释；第二，集中分析了ASD与controls眼球运动差异。基于Fisher评分进行图像选择，使特征学习最具鉴别性信息，从而提高诊断准确率；第三，利用深度神经网络进行预测和可视化。实验取得很好结果。
2、实验及分类流程
1）实验流程：受试者坐于电脑前，随机播放视觉刺激图像，每张图像停留3s，利用红外眼动仪采集受试者的眼动信息。
2）深度神经网络：利用DNN对视觉刺激图像进行特征提取；构建DoF map，结合ASD与controls眼动信息，单层卷积预测DoF map；截取12段眼动，并进行特征降维。
3）SVM分类：利用支持向量机方法分类ASD和controls，采用leave-one-out的测试方法。
3、模型
1）视觉刺激图像：700幅视觉刺激图像来源于OSIE数据集，信息量丰富，包含不同方面的视
最低0.47元/天 解锁文章
扫一扫
到【灌水乐园】发言
