基于深度学习的孤独症儿童辅助诊断研究

发布时间：2020-12-06 01:26

　　孤独症谱系障碍（Autism Spectrum Disorder,ASD）是一种严重的神经发展紊乱疾病,其三大核心症状为社会交往障碍、语言交流障碍、刻板以及重复的行为。ASD的诊断主要依赖于经验丰富的医师,包含全面的精神检查和必要的心理评估,不仅耗时长,且容易受主观因素影响。最近,很多研究开始使用生物特征信号如核磁共振成像（Magnetic Resonance Imaging,MRI）或脑电波（Electroencephalogram,EEG）等对ASD进行辅助诊断,增强了诊断的客观性,但这些信号的采集受限于精密的医疗设备和严格的室内环境。为了推动ASD儿童诊断的便捷性,本文受ASD儿童注视模式异常的启发,分阶段提出两种不受严格条件限制下基于深度学习的ASD儿童视频分类算法:（1）第一阶段采集了包含136个ASD儿童和136个正常发展（Typically Developing,TD）的小学儿童的注视行为视频,称为基础-数据集。提出了基于眼动跟踪的ASD儿童视频分类算法,在基础-数据集上取得了92.6%的准确率。（2）第二阶段新增135个幼儿园TD儿童视频。为了保持样本的均衡,从基础-数... 

【文章来源】：南昌大学江西省 211工程院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

ASD儿童和TD儿童的注意力热力图

TLD简略框架图

图 1.3 使用卷积神经网络进行基于外观的视线估计目前为止，基本上所有的基于外观的方法都是使用单眼图像、全脸图像或两者结合的多模态图像，还没有针对双眼图像的研究。这可能是因为双眼图像的长宽比例差距悬殊，而 CNN 的卷积核基本是长宽比例一致的，也就更适合处


本文编号：2900456