面向孤独症早期诊疗的机器辅助系统关键技术研究

Autism spectrum disorder (ASD) has become a most common neurodevelopmental disorder that threatens children’s health with an ever-increasing prevalence. Clinical and research experience in praxeology and intervention is heavily relied on for the diagnosis and treatment of ASD. However, the lack of experienced clinicians and therapists in clinical practice remains a severe problem to be solved. A machine-assisted system for automatic diagnosis and early intervention of ASD will be proposed to bridge this gap. The preference of interaction with inanimate objects among ASD patients underlies the feasibility of machine-assisted diagnosis and intervention in this project. Data representation of ASD pathology will be incorporated in the system as medical indices to carry out enhanced diagnosis and treatment. The research work will focus on the following issues: 1) sensor configuration optimization for scenarios in ASD diagnosis and treatment, 2) multi-source data acquisition and processing scheme, 3) sensor fusion based probabilistic framework for gaze estimation, 4) multi-modality based natural language generation within the framework of deep learning and 5) construction of behavior database and recognition of pathological patterns for children with ASD. The goal of this project is to develop a novel machine-assisted system for ASD diagnosis and treatment in clinical application, to enable the development of automatic diagnosis and to provide an enhanced clinical protocol with improved efficacy.

孤独症已成为影响儿童健康的最常见神经发育障碍之一，其发病率呈逐年上升趋势。目前孤独症主要依赖于专业人员通过行为学观察与临床干预进行诊断与治疗，专业诊疗队伍匮乏是孤独症诊疗亟需解决的首要问题。本项目基于孤独症儿童更愿意与机器人互动的事实，利用多传感器融合网络获取患儿与机器交互过程中的行为特征，并基于孤独症病理的信息化表达方法为孤独症自动诊断与干预提供量化数据指标，提出一种面向孤独症早期诊疗的机器辅助系统。.本项主要研究孤独症诊疗场景下传感器配置及布局优化、多源信息获取与处理系统框架设计、基于多传感数据融合和概率模型的视线自动估计方法、深度学习框架下多模态自然语言描述生成、孤独症儿童行为数据库构建和多特征融合行为识别方法等关键技术。通过本项目的研究，研制出临床环境下的机器辅助孤独症诊疗系统样机，提高孤独症谱系障碍的诊疗效率，使孤独症的自动化诊断系统开发成为可能，引领孤独症临床诊断与治疗的新方向

孤独症是儿童时期最常见脑部神经发育障碍之一，患病儿童数量巨大，且其发病率呈逐年上升趋势。目前孤独症主要依赖于专业人员通过行为学观察与临床干预进行筛查、诊断与治疗，缺乏客观量化的评估指标、专业诊疗队伍匮乏是孤独症诊疗亟需解决的问题。本项目基于孤独症儿童在幼龄时期的临床典型发育表现，研发了基于专家共识的首台孤独症早期筛查系统和基于虚拟现实的孤独症干预系统。利用多传感器融合网络获取患儿与医生交互过程中的行为特征，并基于孤独症病理表现的量化表达方法为孤独症辅助筛查评估和干预提供量化数据指标。主要研究了孤独症早期筛查评估场景下传感器配置及布局优化、多源信息获取与处理系统框架设计、基于多传感数据融合和概率模型的视线自动估计方法、孤独症儿童行为数据库构建和多特征融合行为识别方法等关键技术。.项目按照立项计划实施并取得了预期的进展与成果，提高了基于机器视觉的人体行为理解技术的准确性和普适性，为孤独症谱系障碍的早期筛查和干预提供了部分理论及技术支撑，为儿童神经发育障碍、行为认知障碍相关的一大类疾病提供了可量化的方案参考，推动了儿童孤独症诊断与治疗的发展。研究工作在《IEEE Transactions on Cybernetics》、《Autism Research》、《IEEE Transactions on Industrial Informatics》、《IEEE Transactions on Cognitive and Developmental Systems》和《中国儿童保健杂志》等信息科学和孤独症研究领域权威期刊和会议发表本基金号标注论文 139篇，其中 SCI 收录59篇，申请发明专利6项。项目负责人在项目执行期内新增国家自然科学基金委国际(地区)合作与交流项目1项（面向家庭环境的孤独症儿童社交能力干预关键技术，62261160652），面上项目1 项；获得科技部重点研发计划“主动健康与人口老龄化科技应对”重点专项项目1项。项目负责人2020年被评选为IEEE Fellow，2022年被评选为欧洲科学院院士，项目主要合作者徐秀获得2021年度中华医学会儿科分会发育行为学组“突出贡献奖”，2021年被评选为国际孤独症研究会INSAR Fellow。