一.研究背景
自闭症谱系障碍(ASD)是一种影响沟通和社会互动的神经发育障碍。虽然高功能自闭症患者的智商在正常范围内,但他们处理信息的方式可能与正常人不同,尤其是在需要社交、理解语义和语用,或从一个领域到另一个领域的知识迁移的情况下。目前,对于儿童高功能自闭症患者的诊断,通常由临床医生根据儿童的行为和父母报告的信息进行判断。而成年人不受学校工作人员或家长的监督,因此,成年高功能自闭症患者的诊断则较为困难。本研究针对这一问题,采用眼动追踪的方法尝试开发出一种不依赖于他人报告,而且可以敏感地捕捉到成年高功能自闭症患者和正常成年人之间差异的筛选分类方法。
二.研究方法
1.数据收集:
被试:共有71位被试(31名ASD被试和40名正常被试)分别参加实验,其中6名ASD被试和3名正常被试同时参加了两个实验。最终保留了68名被试数据(28名ASD被试和32名正常被试)。
实验1中,15名ASD被试和15名正常被试分别对随机呈现的6个视觉复杂程度不同的网站页面完成两种实验任务:页面浏览(120s内随意浏览)和查找任务(30s内定位到特定位置并回答问题,每个页面两个)。网页的视觉复杂程度分为低视觉复杂度(Apple和Babylon)、中等视觉复杂度(AVG和Yahoo)和高视觉复杂度(Godaddy和BBC)。
实验2中19名ASD被试和19名正常被试分别对随机呈现的8个视觉复杂程度不同的网站页面完成两种实验任务:页面浏览(30s内随意浏览)和综合任务(120s内定位到页面至少两个地方,综合信息回答问题)。网页的视觉复杂程度分为低视觉复杂度(WordPress, WhatsApp, Outlook, Netfix)和高视觉复杂度(YouTube, Amazon, Adobe, BBC)。
2.分类实验:
首先对页面进行兴趣区域(AOI)划分,分为格状(2*2与4*4)和页面特定两种类型。其次进行特征划分,分为注视的和非注视特征。
图1 兴趣区域类型(从左至右分别是:2*2格状,4*4格状,页面特定AOI)
表1 特征列表及其解释
接着,在实验1的两组被试中各随机选择10名被试的数据,在实验2的两组被试中各随机选择13名被试的数据用于训练分类模型。模型根据被试眼动数据自动将被试归为ASD组或对照组,次数较多的组即为预测组。两个实验中其余被试的数据被用来测试分类模型的准确性。
三.实验结果
表2 所有任务的评估结果(括号里是95%置信区间)
逻辑回归分析结果表明,与30s的浏览任务(0.65)相比,网页浏览时长为120s时模型的分类准确度更高(0.74);页面特定AOI比格状AOI(2*2,4*4)更能提高分类的准确性。
此外,查找任务(30s)与综合任务(120s)相比,虽然综合任务的难度提高,时长增加,但是并未提升模型检测的准确性(查找任务0.75,综合任务0.73)。对于页面兴趣划分来说,具体页面特定AOI在查找任务中准确性较高,但格状AOI在综合任务中表现更好。
四.结论
本研究通过分析ASD被试和正常被试在四种任务条件下(实验1的长时浏览和查找任务,实验2的短时浏览和综合任务)的眼动数据发现,使用眼动追踪技术结合视觉任务可以提高ASD诊断的准确性,较长时间的视觉浏览任务可以提高模型的分类准确度,而页面视觉复杂程度相对来说影响不大。此外,兴趣区域的类型能够影响模型分类的准确性,这与任务类型有关。
原文:Detecting High-functioning Autism in Adults Using Eye Tracking and Machine Learning
作者:Eraslan, SukruYaneva, VictoriaLe An HaYesilada, YelizMitkov, Ruslan
期刊:IEEE Transactions on Neural Systems and Rehabilitation Engineering
发表时间:2020.06
DOI:https://doi.org/10.1109/TNSRE.2020.2991675
■ 翻译版权 丨 西外多脑核
■ 编译 丨 陶然
■ 审校 丨 段绪