人工智能自闭症深度学习特色机器学习神经科学神经科学视频NEUROTECH3分钟阅读简介：借助从在线应用程序中收集的数据，研究人员开发了一种机器学习算法，在确定与ASD相关的行为子集时，准确率达到90%。五年多来，杜克大学工程学院和杜克大学医学院的研究人员一直在努力开发一种应用程序，可以帮助筛查儿童自闭症。根据去年第一项试点研究的结果，他们的工作正在为自闭症谱系障碍(ASD)带来新的见解，并可能改变儿童发育过程的筛查和监测方式。

杜克自闭症和大脑发展中心主任杰拉尔丁道森(Geraldine Dawson)在最近发表在《连线》杂志上的一篇文章中说：“持续发展自闭症的婴儿通常不会注意社会暗示。“他们对非社交的东西更感兴趣，比如玩具或物件。他们的情感表达也较少。他们笑得更少，尤其是在积极的社交活动中。”

该应用首先管理看护人的同意书并调查问题，然后利用手机的“自拍”摄像头采集孩子在看电影时的反应视频，旨在触发设备屏幕上的自闭症风险行为，如情绪和注意力模式。

将孩子反应的视频发送到研究服务器，自动行为编码软件跟踪视频标志在孩子脸上的移动，量化孩子的情绪和注意力。例如，响应屏幕上漂浮的气泡短片，视频编码算法寻找代表喜悦的面部动作。

最初的研究，从知情同意到数据收集和初步分析，都是基于苹果的ResearchKit开源开发平台，使用Apple Store提供的免费应用。

通过该应用程序，杜克团队能够收集大约1700名儿童的行为数据——远远超过自闭症研究中通常发现的50至100名儿童。这张图片属于公共领域。

电气和计算机工程教授吉列尔莫萨皮罗(Guillermo Sapiro)正在使用亚马逊名为TensorFlow和PyTorch的网络服务和工具，构建一种机器学习算法，将儿童的面部表情和眼球运动与潜在的自闭症症状联系起来。他的团队还使用这些云计算工具为他们收集的图像和视频开发新的机器学习算法，这些算法可以用作隐私过滤器。

通过该应用程序，杜克团队能够收集大约1700名儿童的行为数据——远远超过自闭症研究中通常发现的50至100名儿童。有了这么多数据，研究人员发现这种应用对于一些行为子集的准确率接近90%。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：