[論文レビュー] A Convolutional Neural Network for gaze preference detection: A potential tool for diagnostics of autism spectrum disorder in children

Dennis Fernandez, Franklin Porras-Barrientos+4 more|arXiv (Cornell University)|Jul 28, 2020

Autism Spectrum Disorder Research参考文献 26被引用数 9

ひとこと要約

本稿では、1分間の動画（社会的・抽象的シーンがペアで提示）を子どもが視聴する際の眼動追跡データを分析する畳み込みニューラルネットワーク（CNN）を提案する。このモデルは、自閉症スペクトラム症候群（ASD）を示す眼の動きの好みのパターンを検出でき、異なる個人やカメラに対しても高い精度と頑健性を示し、近似リアルタイムかつ低リソースなASDのスクリーニング診断を可能にする。

ABSTRACT

Early diagnosis of autism spectrum disorder (ASD) is known to improve the quality of life of affected individuals. However, diagnosis is often delayed even in wealthier countries including the US, largely due to the fact that gold standard diagnostic tools such as the Autism Diagnostic Observation Schedule (ADOS) and the Autism Diagnostic Interview-Revised (ADI-R) are time consuming and require expertise to administer. This trend is even more pronounced lower resources settings due to a lack of trained experts. As a result, alternative, less technical methods that leverage the unique ways in which children with ASD react to visual stimulation in a controlled environment have been developed to help facilitate early diagnosis. Previous studies have shown that, when exposed to a video that presents both social and abstract scenes side by side, a child with ASD will focus their attention towards the abstract images on the screen to a greater extent than a child without ASD. Such differential responses make it possible to implement an algorithm for the rapid diagnosis of ASD based on eye tracking against different visual stimuli. Here we propose a convolutional neural network (CNN) algorithm for gaze prediction using images extracted from a one-minute stimulus video. Our model achieved a high accuracy rate and robustness for prediction of gaze direction with independent persons and employing a different camera than the one used during testing. In addition to this, the proposed algorithm achieves a fast response time, providing a near real-time evaluation of ASD. Thereby, by applying the proposed method, we could significantly reduce the diagnosis time and facilitate the diagnosis of ASD in low resource regions.

研究の動機と目的

• コンピュータビジョンを用いて、子供の gaze preference を迅速かつ正確に、かつ頑健に検出する手法を開発すること。
• 臨床現場や低リソース環境でも迅速かつ専門的知識が少ない状態で評価可能な仕組みを提供することで、自閉症スペクトラム症候群（ASD）の診断遅延を短縮すること。
• ASDの子供と神経形態の子供との間で顕著な差が見られる、抽象的刺激に対しての注目度の高まりという gaze パatters を活用すること。
• 最小限のキャリブレーションで実時間に近い動作が可能なツールを構築し、スケーラブルな早期診断を支援すること。
• 異なるカメラやトレーニングセットに含まれない個人に対しても、モデルの性能を検証し、一般化可能性を確保すること。

提案手法

• モデルは、対照的な社会的・抽象的シーンが並んで提示された1分間の動画から抽出した画像を処理する畳み込みニューラルネットワーク（CNN）を用いる。
• 入力画像をCNNで処理し、注目が社会的コンテンツか抽象的コンテンツのどちらに向かっているかを予測する。
• 制御された動画提示中に収集した眼動追跡データを用いて、ネットワークを学習させる。
• トレーニングセットに含まれない個人や異なるカメラからのデータに対して、モデルの頑健性を評価する。
• 実時間推論を想定しており、診断セッション中に近似リアルタイムでの gaze 予測が可能である。
• 一般化性能の向上と過学習の低減を図るため、データ拡張と交差検証の手法を用いる。

実験結果

リサーチクエスチョン

• RQ1 1分間の動画からの視覚的刺激に基づいて、CNNが子供の gaze 方向を正確に予測できるか？
• RQ2 トレーニングセットに含まれないカメラや個人のデータに対して、gaze 予測モデルはどの程度頑健か？
• RQ3 このモデルは、子供における自閉症スペクトラム症候群（ASD）の迅速かつ低リソースなスクリーニングをどの程度支援できるか？
• RQ4 モデルは、既知のASD関連の gaze preference（社会的刺激よりも抽象的刺激に注目度が高い）を信頼性高く検出できるか？
• RQ5 臨床現場への導入に適した実時間性能をモデルは達成できるか？

主な発見

• 提案されたCNNは、トレーニングセットに含まれないカメラや個人のデータに対しても、gaze 方向の予測において高い精度を達成した。
• 異なる撮影環境下でも強い頑健性を示し、多様な臨床現場への一般化可能性を示した。
• 近似リアルタイムでの評価が可能であり、従来のADOS や ADI-R と比較して診断時間を顕著に短縮した。
• ASD関連の差別の gaze preference（社会的刺激よりも抽象的刺激に注目度が高い）を効果的に捉えており、診断的意義を裏付けた。
• モデルの性能から、熟練した臨床医が不足する低リソース環境への導入可能性が示唆された。
• ASD診断に向けた時間的にも人的にも負担が大きい従来の手法に対する、スケーラブルで自動化された代替手段を提供した。