Self-Stimulatory Behavior Diagnosis

AI模型在自闭症行为分类中达到高精度

研究人员评估了不同帧率和神经网络架构在从视频中分类自闭症相关自我刺激行为方面的有效性。使用自我刺激行为诊断（SSBD）数据集，长短期记忆（LSTM）和门控循环单元（GRU）模型分别达到了97.5%和98.75%的峰值准确率，最佳采样间隔为每15帧。该研究还探讨了数据增强策略，发现水平翻转是最有效的独立技术，而上采样对于复杂行为视频增强至关重要。这些发现为开发可扩展的计算方法以用于临床环境中的远程行为筛查提供了实用指导。