Машинное обучение и аутизм

Машинное обучение и аутизм

Краткий обзор литературы о том, как машинное обучение способствует диагностике и лечению аутизма.

Машинное обучение (ML) распространилось на многие области и дисциплины. Погрузиться в новую область — лучший способ расти и узнавать новое. Ниже приводится краткое изложение того, как исследователи применяли машинное обучение для диагностики и лечения расстройств аутистического спектра (РАС).

Документы (По порядку)

Все эти документы доступны без какого-либо спонсорства или оплаты со стороны университета.

1. Выявление детей с расстройствами аутистического спектра на основе их аномалий обработки лица: система машинного обучения
2. Персонализированное машинное обучение для восприятия роботом аффекта и участия в терапии аутизма
3. Инструменты компьютерного зрения для недорогого и неинвазивного измерения поведения младенцев, связанного с аутизмом
4. Использование машинного обучения для сокращения времени скрининга и диагностики аутизма на основе наблюдения

Движение глаз и аутизм

Авторы, Венбо Лю, Минг Ли и Ли И, разработали модель машинного обучения для выявления РАС на основе движений глаз при просмотре лиц.

Eye-tracking, SVM, RBF Kernal, References paper 2 DP Wall, J. Kosmicki

Идеология

Люди с РАС испытывают трудности с распознаванием лиц и интерпретацией эмоций на лице. Кроме того, люди с РАС часто имеют нетипичный паттерн сканирования лица. Авторы хотели узнать, можно ли определить РАС по тому, куда и как долго человек смотрит, рассматривая лицо.

Данные

В исследовании приняли участие 29 детей с РАС и 29 детей без РАС. Данные, использованные в этой статье, были получены из другого исследования, в ходе которого исследователи изучали, трудно ли детям с РАС идентифицировать людей разных рас.

Методы

Исследователи разделили каждое лицо на K различных частей, используя алгоритм K-средних. Затем они построили гистограммы, измеряющие, как часто люди смотрели на каждую отдельную ячейку. Эта информация использовалась для обучения SVM прогнозировать, есть ли у зрителя РАС или нет.

Результаты

SVM смог предсказать, есть ли у зрителя РАС или нет, с точностью 88,51%. Хотя модель и не защищена от ложноположительных и ложноотрицательных результатов, она подтверждает, что отсутствие зрительного контакта является сильным признаком РАС.

Роботизированная терапия

Медиа-лаборатория Массачусетского технологического института поместила робота в клинику, чтобы помочь с терапией аутизма. Кроме того, они сделали специальные модели для каждого ребенка, который взаимодействовал с ним.

Робототехника, Терапия, T-SNE, DeepLift, OpenPose, OpenFace, openSMILE

Идеология

Роботы использовались для терапии аутизма в прошлом, но их эффективность может быть предметом споров. Все дети с аутизмом разные.

«Если вы встречали одного ребенка с аутизмом, вы встречали одного ребенка с аутизмом».

Таким образом, общие модели для предсказания эмоций не будут работать. Решение состоит в том, чтобы сделать специализированную модель для каждого ребенка, взаимодействующего с роботом. Таким образом, роботы знают, какие черты являются счастливыми или грустными.

Методы

Исследователи заставили каждого ребенка играть в комнате с врачом, надев часы, чтобы отслеживать физиологические данные. Врач записывал эмоции ребенка во время игры. Эти данные вместе с видео и аудио использовались для обучения модели робота.

воздействия

Раньше, когда робот использовался в клинических условиях, он имитировал эмоции, которые терапевт описывал или рассказывал ребенку, как он себя чувствовал во время рассказа. Теперь робот может реагировать на эмоции ребенка и подсказывать предложения/вопросы, например: «Почему ты грустишь?» или «Давайте сделаем перерыв».

Диагностика РАС с помощью компьютерного зрения

Исследователи из Университета Дьюка разработали недорогой и неинвазивный инструмент компьютерного зрения (CV), помогающий диагностировать аутизм.

AOSI, интеррейтерская оценка, отслеживание черт лица

Методы

Исследование было сосредоточено на детях из группы риска (детях, у которых есть брат или сестра с диагнозом РАС) в возрасте от 7 до 14 месяцев. Все дети были оценены профессиональным клиницистом с использованием Шкалы наблюдения за аутизмом у младенцев (AOSI). Видеозапись этой оценки посмотрели один специализированный клиницист AOSI, один общий психолог и два студента-психолога. Все они оценивали детей на основе того, как ребенок реагировал на различные слуховые раздражители.

Затем исследователи автоматизировали процесс обзора, используя инструменты CV для отслеживания движений лица, когда ребенок смотрел на различные стимулы. После измерения ответов ребенка они присваивали те же баллы «пройдено», «запоздало» и «застряло», что и оценщики-люди.

Результаты

Благодаря отслеживанию только глаз, носа и ушей автоматизированный метод согласовывался с профессиональным врачом AOSI в 89% случаев и получил отличную межэкспертную оценку 75%.

воздействия

Это исследование следует использовать в качестве трамплина для дополнительных инструментов диагностики РАС с помощью сердечно-сосудистых заболеваний. Первоначальная работа очень ограничена, но ее можно расширить, чтобы можно было проводить различные клинические тесты или даже домашнее видео. Конечной целью является снижение стоимости диагностики РАС, и эта работа способствует этому.

ADTree сокращает скрининг РАС на основе наблюдения

Исследователи сократили наиболее широко используемый инструмент для оценки РАС, Универсальный график диагностики аутизма (ADOS), с 29 до 9 пунктов без заметной потери точности.

ADOS, ADTree, повышение частоты дискретизации

Данные

Исследователи получили 1073 общих наблюдения ADOS от Бостонского консорциума по аутизму (AC), Обмена генетическими ресурсами аутизма (AGRE) и Фонда Саймонса. Из 1073 наблюдений только 15 приходятся на людей без аутизма. В некоторых наблюдениях отсутствовали данные, и поэтому они не использовались. Чтобы учесть несбалансированные классы, исследователи увеличили выборку с 15 наблюдений до 612.

Модели

В документе основное внимание уделяется созданию модели машинного обучения, которая может помочь клиницистам количественно оценивать результаты оценок ADOS. В ходе этого процесса они разработали 16 различных моделей, каждая из которых имела разный уровень успеха.

Модель ADTree показала лучшие результаты со 100% точностью. Наряду с правильной классификацией каждой выборки, предоставленной ADTree, были удалены многие из введенных данных. Для достижения того же уровня точности ADTree требуется только 9 из 27 исходных элементов.

воздействия

Это сокращение снижает объем работы врача на 66% и, следовательно, ускоряет конвейер диагностики РАС. С большим количеством данных ADOS, сообщаемых и регистрируемых, ADTree могут быть в состоянии классифицировать людей по разным областям в спектре.

Что дальше для машинного обучения и аутизма?

Приятно видеть, что все исследования проводятся в области раннего выявления аутизма, а также новых методов лечения детей. Мне больше всего понравился документ ADTrees, сокращающий скрининг РАС на основе наблюдений, и я думаю, что такие стратегии, как обрезка деревьев, могут привести к более эффективным исследованиям и других заболеваний.

Я бы хотел, чтобы больше работы было сделано по ДНК и аутизму. На Autism say есть отличная статья, описывающая некоторые работы, проделанные в этой области.