在从社交场景的记录中提取的图像上使用OpenPose提取“骨架”的示例:(A)重叠在视频记录上的OpenPose关键点(B)
在黑色背景上打开关键点，保留识别社交所需的最少场景特征
信用:科约维奇、纳特拉杰、莫汉蒂、迈拉尔特、沙尔 受自闭症谱系障碍影响的个体在社会交往中经常出现沟通问题和困难
虽然这种疾病很常见，但在五岁前诊断起来很困难
然而，早期护理可以通过提供特定的行为干预来弥补这些困难，这些干预侧重于发展受自闭症影响的技能
这就是为什么瑞士日内瓦大学(UNIGE)的一个跨学科团队开发了一种基于视频自动分析的人工智能(AI)算法，使得以匿名和标准化的方式研究儿童的非语言交流成为可能
这项技术简单易用，能够正确地将80%的病例从显示患有或不患有自闭症的5岁以下儿童与成人玩耍的短视频中分类出来
这些将在《科学报告》杂志上发现的结果，为自闭症早期检测工具铺平了道路
自闭症谱系障碍影响着54个孩子中的一个，其特征是社交困难、交流技能改变、重复行为和兴趣受限
因此，自闭症儿童通常难以遵循标准的学校课程
“然而，如果诊断是在3岁前做出的，通常有可能弥补这些发育迟缓
具体的行为干预可能真的会完全改变他们的技能获取轨迹，让他们融入主流学校，”UNIGE医学院精神病学系教授、该研究的资深作者Marie Schaer指出
因此，挑战在于早期诊断，因为在3岁以后，自闭症往往诊断得太晚
使用自动视频分析 自闭症的特点是非语言交流，不同于典型的发展中儿童
玛丽·沙尔团队的研究员、该研究的第一作者纳达·科约维奇说:“这在几个方面有所不同，比如建立眼神交流、微笑、指向物体的难度，或者他们对周围事物感兴趣的方式。”
“这就是为什么我们使用人工智能设计了一种算法，分析视频中儿童的动作，并识别他们是否是自闭症谱系障碍的特征
" 在三年的时间里，科学家们在瑞士国家计算机研究中心(NCCR) Synapsy的支持下，开发了这种算法，旨在仅根据儿童与他人互动时的动作对视频进行分类
为了做到这一点，他们首先使用了一种叫做OpenPose的技术，它是在卡内基梅隆大学开发的
这种计算机视觉技术提取了视频中捕捉到的运动人群的骨骼，并允许通过去除所有可能具有歧视性的特征(年龄、性别、背景等)来分析手势
)，只保留骨骼在空间和时间上的关系
然后，UNIGE研究团队开发了他们为检测自闭症而定制的人工智能算法，并在68名典型发育儿童和68名自闭症儿童身上进行了测试，这些儿童都不到5岁
“我们将每组分为两组:每组的前34人‘训练’了我们的人工智能，以区分自闭症儿童和非自闭症儿童的非语言行为
然后其他人帮助我们测试它的准确性
我们还对另外101名儿童进行了评估，”托马斯·迈拉尔特解释道，他是信息科学研究所的研究员，也是日内瓦经济与管理学院(GSEM)和大学信息中心(大学信息中心)的教员
十分钟内得出令人信服的结果 人工智能筛选了儿童与成人自由玩耍的视频
“没有预先设定的情景
纳达·科约维奇说:“这是一个自由分析儿童非语言行为的问题，同时为他们提供各种物品，这将有可能确定自闭症障碍的存在与否。”
结果表明，人工智能在80%以上的病例中做出了准确的自闭症分类
“这是一个很好的结果，”玛丽·沙尔兴奋地说
在10分钟内，我们确实可以获得任何人都可以获得的第一次筛查，无论他们住在哪里
这将允许担心自己年幼孩子的父母获得自闭症症状的初步自动评估
这当然不是完美的，但可以构成第一步，通过咨询专家来确认
“研究表明，从父母最初的担忧到他们被转介到专门的咨询机构，往往需要一年多的时间
此外，这种自动化视频分析提供了完全的匿名性
这位日内瓦研究员继续说道:“这很珍贵，不仅对于专家之间交流视频以完善诊断，而且对于培训学生也是如此。”
应该注意的是，这项技术不需要对儿童进行任何直接干预
“安装运动传感器既费时又敏感；它还会干扰孩子并影响结果
在这里，基于计算机视觉的分析是非侵入性的，”纳达·科约维奇说
此外，由于它不需要任何特定的设置，该算法可以用于分析过去录制的视频，这对于研究目的来说是一个明显的优势
多学科团队现在的目标是让每个人都能使用这个人工智能
托马斯·迈拉尔特总结道:“我们现在希望开发一种应用程序，只需用智能手机拍摄10分钟的视频，就可以进行这样的分析。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
