视觉搜索眼动模式在识别孤独症谱系障碍儿童中的应用

发布时间：2021-11-12 14:38

　　目的分析视觉搜索过程中的眼动模式,探究视觉搜索模式能否作为识别孤独症谱系障碍（ASD）的参考指标。方法 2017年3-7月记录15名ASD儿童和17名性别、年龄、智力匹配的正常对照组儿童在执行视觉搜索任务时的眼动数据,利用机器学习的方法建立区分ASD儿童和正常发育（TD）儿童的分类模型（将被试完成视觉搜索任务时的注视点、注视时间及注视轨迹等眼动指标作为分类器的特征）,并评估分类模型的区分准确率、特异性和敏感性。结果 1)当目标物不存在时,ASD儿童完成视觉搜索任务的反应时显著短于TD儿童（F=3.76,P<0.05）;2)将视觉搜索的眼动模式作为特征可以有效地对被试类型进行识别,正确率为78.13%,特异性为70.59%,敏感性为86.67%;3)被试在分类器中的特征组合分数与儿童孤独症评定量表（CARS）总分呈现显著负相关（r=-0.497,P=0.030）。结论视觉搜索过程中的眼动模式可作为未来ASD诊断的一个重要参考依据。 

【文章来源】：中国儿童保健杂志. 2019,27(09)

【文章页数】：5 页

【部分图文】：

图２单个试次刺激呈现流程Ｆｉｇ．２Ｔｒｉａｌｏｆｔｈｅｓｔｉｍｕｌｉｆｏｒｅｙｅ－ｔｒａｃｋｉｎｇ

２结果２．１视觉搜索任务的行为反应当目标物出现条件下，ＡＳＤ组和ＴＤ组完成视觉搜索任务的正确反注：ＡＯＩ１为目标刺激；ＡＯＩ２为目标刺激内部区域；ＡＯＩ３为复杂图形；ＡＯＩ４为为复杂图形内的目标物区域；ＡＯＩ５为目标物的内部区域；其中，ＡＯＩ４和ＡＯＩ５只有当目标物出现的条件下才存在。图３感兴趣区域划分示意图Ｆｉｇ．３Ｓｃｈｅｍａｔｉｃｉｌｌｕｓｔｒａｔｉｏｎｏｆａｒｅａｏｆｉｎｔｅｒｅｓｔｓ应差异无统计学意义（Ｆ＝０．０４，Ｐ＝０．４２３），当目标物不出现的条件下，ＡＳＤ组的正确反应时显著低于ＴＤ组（Ｆ＝３．７６，Ｐ＜０．００５）。见图４。两组人在目标物不出现条件下的视觉搜索正确率均高于目标出现的条件（Ｆ＝１０．０１，Ｐ＜０．００５），ＡＳＤ组和ＴＤ组之间的视觉搜索正确率差异无统计学意义（Ｆ＝０．２９，Ｐ＝０．５９４）。注：＊Ｐ＜０．００５。图４ＡＳＤ组和ＴＤ组被试在正确反应时上的差异Ｆｉｇ．４Ｇｒｏｕｐｄｉｆｆｅｒｅｎｃｅｏｎｔｈｅｒｅａｃｔｉｏｎｔｉｍｅｆｏｒａｃｃｕｒａｔｅｒｅｓｐｏｎｓｅ２．２使用视觉搜索模式区分ＡＳＤ和ＴＤ组的有效性利用基于机器学习的方法对ＡＳＤ和ＴＤ组进行分类预测，结果显示，以视觉搜索的眼动模式作为特征，两组被试可以被有效的区分开，分类的准确率为７８．１３％，敏感度为８６．６７％，特异性为７０．５９％。区分ＡＳＤ组和正常对照组分类器的ＲＯＣ曲线下面积为０．７０８（Ｐ＜０．０５），显著大于随机水平（０．５）。见图５。

２结果２．１视觉搜索任务的行为反应当目标物出现条件下，ＡＳＤ组和ＴＤ组完成视觉搜索任务的正确反注：ＡＯＩ１为目标刺激；ＡＯＩ２为目标刺激内部区域；ＡＯＩ３为复杂图形；ＡＯＩ４为为复杂图形内的目标物区域；ＡＯＩ５为目标物的内部区域；其中，ＡＯＩ４和ＡＯＩ５只有当目标物出现的条件下才存在。图３感兴趣区域划分示意图Ｆｉｇ．３Ｓｃｈｅｍａｔｉｃｉｌｌｕｓｔｒａｔｉｏｎｏｆａｒｅａｏｆｉｎｔｅｒｅｓｔｓ应差异无统计学意义（Ｆ＝０．０４，Ｐ＝０．４２３），当目标物不出现的条件下，ＡＳＤ组的正确反应时显著低于ＴＤ组（Ｆ＝３．７６，Ｐ＜０．００５）。见图４。两组人在目标物不出现条件下的视觉搜索正确率均高于目标出现的条件（Ｆ＝１０．０１，Ｐ＜０．００５），ＡＳＤ组和ＴＤ组之间的视觉搜索正确率差异无统计学意义（Ｆ＝０．２９，Ｐ＝０．５９４）。注：＊Ｐ＜０．００５。图４ＡＳＤ组和ＴＤ组被试在正确反应时上的差异Ｆｉｇ．４Ｇｒｏｕｐｄｉｆｆｅｒｅｎｃｅｏｎｔｈｅｒｅａｃｔｉｏｎｔｉｍｅｆｏｒａｃｃｕｒａｔｅｒｅｓｐｏｎｓｅ２．２使用视觉搜索模式区分ＡＳＤ和ＴＤ组的有效性利用基于机器学习的方法对ＡＳＤ和ＴＤ组进行分类预测，结果显示，以视觉搜索的眼动模式作为特征，两组被试可以被有效的区分开，分类的准确率为７８．１３％，敏感度为８６．６７％，特异性为７０．５９％。区分ＡＳＤ组和正常对照组分类器的ＲＯＣ曲线下面积为０．７０８（Ｐ＜０．０５），显著大于随机水平（０．５）。见图５。


本文编号：3491113