[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله ::
:: دوره 7، شماره 4 - ( پاييز 1398 ) ::
دوره 7 شماره 4 صفحات 79-88 برگشت به فهرست نسخه ها
تحلیل نشانگرهای رفتاری کودکان مبتلا به اتیسم با بهره‌گیری از داده‌های ردیابی چشم
سیده نگین سید فخاری، فؤاد قادری*
آزمایشگاه تعامل انسان و کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران ، fghaderi@modares.ac.ir
چکیده:   (65 مشاهده)
مقدمه: اختلال طیف اتیسم یک اختلال تکامل ذهنی است که در سال‌های اولیه زندگی رخ می‌‏دهد و با اختلالات اجتماعی، مشکلات ارتباطی کلامی و غیرکلامی و همچنین بروز رفتارهای کلیشه‌ای مشخص می‌شود. توانبخشی کودکان اتیستیک در مراحل آغازین رشد که انعطاف‌پذیری مغز بالاست؛ منجر به بهبود روند درمان شده و امکان بهره‌برداری از استعدادهای آن‌ها را فراهم می‌‏آورد. به عبارت دیگر تشخیص و درمان دیرهنگام، عملکرد غیرقابل تغییر این کودکان را تا بزرگسالی در پی خواهد داشت. با توجه به نقش چشم‌ها به‌عنوان یکی از ارزشمندترین منابع اطلاعاتی در تعاملات اجتماعی و الگوی متفاوت رفتارهای چشم در کودکان اتیستیک در پاسخ به محرک‏های اجتماعی، روش غیرتهاجمی ردیابی چشم رویکردی مناسب در تشخیص زودهنگام این اختلال به شمار می‌‏رود. بدین ترتیب می‌توان چگونگی پردازش محرک‏‌های بصری در افراد مبتلا به اختلال طیف اتیسم در سنین مختلف را مورد بررسی قرار داد. نتیجه‌گیری: پژوهش حاضر مروری بر پژوهش‏‌های انجام شده در زمینه تحلیل داده‏‌های ردیابی چشم به‌منظور شناسایی الگوی حرکت چشم در پاسخ به محرک‌های اجتماعی در کودکان اتیستیک و عادی است. نتایج پژوهش‏‌های انجام شده تایید می‌‏کنند که ردیابی چشم رویکردی مؤثر در تشخیص الگوهای رفتاری متفاوت چشم در کودکان اتیستیک در مقایسه با کودکان عادی می‏‌باشد. این تفاوت‌‏ها می‏‌توانند مبنایی برای ایجاد سیستم‌‏های هوشمند غربالگری کودکان مبتلا به اتیسم باشند.
واژه‌های کلیدی: اختلال طیف اتیسم، تشخیص زودهنگام، حرکت‌های چشم، هوشمند
متن کامل [PDF 1267 kb]   (17 دریافت)    
نوع مطالعه: مروری | موضوع مقاله: تحقیقات پایه در علوم اعصاب
فهرست منابع
1. Almourad MB, Bataineh E, Stocker J, Marir F. Analyzing the behavior of autistic and normal developing children using eye tracking data. International Conference on Kansei Engineering & Emotion Research. 2018; 340-9. [DOI:10.1007/978-981-10-8612-0_36]
2. Lai MC, Lombardo MV, Baron-Cohen S. Autism. The Lancet. 2014; 383(9920): 896-910. [DOI:10.1016/S0140-6736(13)61539-1]
3. Akbari Bayatiani Z. Autism spectrum disorder from diagnosis to treatment. Shefaye Khatam. 2018; 6(4): 93-101. [DOI:10.29252/shefa.6.4.93]
4. Bozgeyikli L, Raij A, Katkoori S, Alqasemi R. A survey on virtual reality for individuals with autism spectrum disorder: design considerations. IEEE Transactions on Learning Technologies. 2018; 11(2): 133-51. [DOI:10.1109/TLT.2017.2739747]
5. Sarrett JC, Rommelfanger KS. Commentary: attention to eyes is present but in decline in 2-6-month-old infants later diagnosed with autism. Front Public Health. 2015; 3: 272. doi: 10.3389/fpubh.2015.00272. [DOI:10.3389/fpubh.2015.00272]
6. Dolan WN. Using the autism diagnostic observation schedule (ADOS) to discriminate between children with autism and children with language impairments without autism. Master Thesis. Louisiana State University and Agricultural and Mechanical College. 2009.
7. Wang J, Wang Q, Zhang H, Chen J, Wang S, Shen D. Sparse multiview task-centralized ensemble learning for ASD diagnosis based on age-and sex-related functional connectivity patterns. IEEE Transactions on Cybernetics. 2018; 49(8): 3141-54. [DOI:10.1109/TCYB.2018.2839693]
8. Tejwani R, Liska A, You H, Reinen J, Das P. Autism classification using brain functional connectivity dynamics and machine learning. arXiv preprint arXiv:171208041. 2017.
9. Gök M. A novel machine learning model to predict autism spectrum disorders risk gene. Neural Computing and Applications. 2018; 5: 1-7.
10. Cogill S, Wang L. Support vector machine model of developmental brain gene expression data for prioritization of Autism risk gene candidates. Bioinformatics. 2016; 32(23): 3611-8. [DOI:10.1093/bioinformatics/btw498]
11. Cicarelli Silva A, Varanda C. Eye-tracking technique as an instrument in the diagnosis of autism spectrum disorder. Autism Journal of Autism & Related Disabilities. 2017; 3(3).
12. Frazier TW, Klingemier EW, Parikh S, Speer L, Strauss MS, Eng C, et al. Development and validation of objective and quantitative eye tracking-based measures of autism risk and symptom levels. J Am Acad Child Adolesc Psychiatry. 2018; 57(11): 858-66. [DOI:10.1016/j.jaac.2018.06.023]
13. Frazier TW, Klingemier EW, Parikh S, Speer L, Strauss MS, Eng C, et al. Development and Validation of objective and quantitative eye tracking− based measures of autism risk and symptom levels. Journal of the American Academy of Child & Adolescent Psychiatry. 2018; 57(11): 858-66. [DOI:10.1016/j.jaac.2018.06.023]
14. Murias M, Major S, Davlantis K, Franz L, Harris A, Rardin B, et al. Validation of eye-tracking measures of social attention as a potential biomarker for autism clinical trials. Autism Res. 2018; 11(1): 166-74. [DOI:10.1002/aur.1894]
15. Nagel GL. Use of eye tracking for esports analytics in a MOBA game, Master Thesis. The University of Bergen, Faculty of Social Sciences. 2017.
16. Gredebäck G, Johnson S, Von Hofsten C. Eye tracking in infancy research. Dev Neuropsychol. 2009; 35(1): 1-19. [DOI:10.1080/87565640903325758]
17. Lund H. Eye tracking in library and information science: a literature review. Library Hi Tech. 2016; 34(4): 585-614. [DOI:10.1108/LHT-07-2016-0085]
18. Nystrom M, Holmqvist K. An adaptive algorithm for fixation, saccade, and glissade detection in eyetracking data. Behav Res Methods. 2010; 42(1): 188-204. [DOI:10.3758/BRM.42.1.188]
19. Liversedge S, Gilchrist I, Everling S. The Oxford handbook of eye movements: Oxford University Press. 2011. [DOI:10.1093/oxfordhb/9780199539789.001.0001]
20. Liversedge SP, Findlay JM. Saccadic eye movements and cognition. Trends Cogn Sci. 2000; 4(1): 6-14. [DOI:10.1016/S1364-6613(99)01418-7]
21. Boucheix J-M, Lowe RK. An eye tracking comparison of external pointing cues and internal continuous cues in learning with complex animations. Learning and Instruction. 2010; 20(2): 123-35. [DOI:10.1016/j.learninstruc.2009.02.015]
22. Mahmoody M, Gobari Bonab B, Shokoohi Yekta M, Pooretemad HR, Akbari Zardkhaneh S. A preliminery study on the development of an expert system for diagnosing 2-6 years old autisitic children. Journal of Psychology. 2014; 18: 94-110.
23. Shihab I. Classification and monitoring of autism using SVM and VMCM. Journal of Theoretical and Applied Information Technology. 2018; 96(14):4379-89.
24. Moore A, Wozniak M, Yousef A, Barnes CC, Cha D, Courchesne E, et al. The geometric preference subtype in ASD: identifying a consistent, early-emerging phenomenon through eye tracking. Mol Autism. 2018; 9(1): 19-32. [DOI:10.1186/s13229-018-0202-z]
25. Wan G, Kong X, Sun B, Yu S, Tu Y, Park J, et al. Applying eye tracking to identify autism spectrum disorder in children. J Autism Dev Disord. 2018; 49(1): 209-15. [DOI:10.1007/s10803-018-3690-y]
26. Bal E, Harden E, Lamb D, Van Hecke AV, Denver JW, Porges SW. Emotion recognition in children with autism spectrum disorders: relations to eye gaze and autonomic state. J Autism Dev Disord. 2010; 40(3): 358-70. [DOI:10.1007/s10803-009-0884-3]
27. Thapaliya S, Jayarathna S, Jaime M. Evaluating the EEG and eye movements for Autism spectrum disorder. 2018 IEEE international conference on big data (Big Data). 2018; 2328-36. [DOI:10.1109/BigData.2018.8622501]
28. Samad MD, Diawara N, Bobzien JL, Harrington JW, Witherow MA, Iftekharuddin KM. A feasibility study of autism behavioral markers in spontaneous facial, visual, and hand movement response data. IEEE Trans Neural Syst Rehabil Eng. 2018; 26(2): 353-61. [DOI:10.1109/TNSRE.2017.2768482]
29. Shic F, Macari S, Chawarska K. Speech disturbs face scanning in 6-month-old infants who develop autism spectrum disorder. Biol Psychiatry. 2014; 75(3): 231-7. [DOI:10.1016/j.biopsych.2013.07.009]
30. Vargas-Cuentas NI, Roman-Gonzalez A, Gilman RH, Barrientos F, Ting J, Hidalgo D, et al. Developing an eye-tracking algorithm as a potential tool for early diagnosis of autism spectrum disorder in children. PLoS One. 2017; 12(11): e0188826. [DOI:10.1371/journal.pone.0188826]
31. Vargas-Cuentas NI, Hidalgo D, Roman-Gonzalez A, Power M, Gilman RH, Zimic M. Diagnosis of autism using an eye tracking system. 2016 IEEE Global Humanitarian Technology Conference (GHTC); Seattle, WA2016. 624-7. [DOI:10.1109/GHTC.2016.7857343]
32. Yi L, Quinn PC, Fan Y, Huang D, Feng C, Joseph L, et al. Children with Autism spectrum disorder scan own-race faces differently from other-race faces. J Exp Child Psychol; 2016; 141: 177-86. [DOI:10.1016/j.jecp.2015.09.011]
33. Liu W, Li M, Yi L. Identifying children with autism spectrum disorder based on their face processing abnormality: A machine learning framework. Autism Res. 2016; 9(8): 888-98. [DOI:10.1002/aur.1615]
34. Crippa A, Forti S, Perego P, Molteni M. Eye-hand coordination in children with high functioning autism and Asperger's disorder using a gap-overlap paradigm. J Autism Dev Disord. 2013; 43(4): 841-50. [DOI:10.1007/s10803-012-1623-8]
35. Billeci L, Narzisi A, Tonacci A, Sbriscia-Fioretti B, Serasini L, Fulceri F, et al. An integrated EEG and eye-tracking approach for the study of responding and initiating joint attention in Autism spectrum disorders. Sci Rep. 2017; 7(1): 13560. doi: 10.1038/s41598-017-13053-4. [DOI:10.1038/s41598-017-13053-4]
36. Alie D, Mahoor MH, Mattson WI, Anderson DR, Messinger DS. Analysis of eye gaze pattern of infants at risk of autism spectrum disorder using markov models. 2011 IEEE Workshop on Applications of Computer Vision (WACV). 2011; 282-7. [DOI:10.1109/WACV.2011.5711515]



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Seyed Fakhari N, Ghaderi F. Analyzing Behavioral Markers of Autistic Children Using Eye Tracking Data. Shefaye Khatam. 2019; 7 (4) :79-88
URL: http://shefayekhatam.ir/article-1-2000-fa.html

سید فخاری نگین، قادری فؤاد. تحلیل نشانگرهای رفتاری کودکان مبتلا به اتیسم با بهره‌گیری از داده‌های ردیابی چشم. مجله علوم اعصاب شفای خاتم. 1398; 7 (4) :79-88

URL: http://shefayekhatam.ir/article-1-2000-fa.html



دوره 7، شماره 4 - ( پاييز 1398 ) برگشت به فهرست نسخه ها
مجله علوم اعصاب شفای خاتم The Neuroscience Journal of Shefaye Khatam
Persian site map - English site map - Created in 0.05 seconds with 32 queries by YEKTAWEB 3991