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收集的数据，研究人员开发了一种机器学习算法，该算法在确定与ASD相关的行为子集方面准确率为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创建一个可以帮助筛查幼儿自闭症的应用程序。根据去年第一次试点研究的结果，他们的工作正在引发关于自闭症谱系障碍(ASD)的新见解，并有可能改变儿童的发展过程如何被筛选和监测。

“继续发展自闭症的婴儿通常不会注意社交线索，”杜克自闭症和大脑发育中心主任杰拉尔丁道森在最近发表在“连线”杂志上的一篇文章中说道。“他们对非社交事物更感兴趣，比如玩具或物品。他们的情绪表达也较少。他们微笑得更少，特别是对积极的社交活动的回应。“

该应用程序首先管理照顾者同意书和调查问题，然后使用手机的“自拍”相机收集幼儿反应的视频，同时他们观看电影，旨在引发设备屏幕上的自闭症风险行为，如情绪和注意模式。

孩子反应的视频被发送到研究的服务器，自动行为编码软件跟踪孩子脸上视频标志的移动并量化孩子的情绪和注意力。例如，响应于漂浮在屏幕上的气泡的短片，视频编码算法寻找表示喜悦的脸部运动。

最初的研究，从知情同意到数据收集和初步分析，是使用Apple Store免费提供的应用程序，基于Apple的ResearchKit开源开发平台。

通过该应用程序，杜克团队能够收集大约1,700名儿童的行为数据 - 远远超过ASD研究中通常发现的50至100名儿童。该图像属于公共领域。

电气和计算机工程教授Guillermo Sapiro正在使用名为TensorFlow和PyTorch的亚马逊网络服务和工具来构建机器学习算法，将儿童的面部表情和眼球运动与潜在的ASD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，用于隐私过滤器。

通过该应用程序，杜克团队能够收集大约1,700名儿童的行为数据 - 远远超过ASD研究中通常发现的50至100名儿童。有了这么多的数据，研究人员到目前为止发现该应用程序对某些行为子集的准确率接近90%