Game-Based Diagnosing of Children with Autism Spectrum Disorder
Notice bibliographique
Résumé
Purpose: To develop a diagnostic application game targeting children, aiming to streamline the diagnostic process and facilitate early intervention in children with Autism Spectrum Disorder (ASD). Methods: This work was built around two key components: a gaming interface based on real-life scenarios that a child with ASD would encounter, and a Convolutional Neural Network (CNN) model that takes photographs of the children’s faces and determines whether they are autistic or not. Combining these two methodologies, we created a video game that categorizes the youngsters who play it as autistic or non-autistic based on their reactions and choices during the game scenarios and their facial structures (Aldridge et al., 2011). The scenarios in the game were inspired by diagnostic questionnaires used in clinics for diagnostic purposes (Sadek et al., 2020). We sought to add the cultural background influence in ASD diagnosis because several research studies have revealed that children from different cultures can have varied symptoms depending on their cultural background (Golson et al., 2021). We used the AQ-10 questionnaire (Allison et al., 2012) and distributed it to parents of autistic children to evaluate how they see their child and if social norms influence it. In addition, we spoke with a Turkish specialist who works with Turkish autistic children and included her thoughts on the game’s situations. Results: After experimenting with various models on the same dataset (Gerry, 2020), the efficientNet B3 model attained the highest accuracy of 87.5%. The ultimate results presented to the game’s player were a combination of the model results and the outcomes of the scenarios he chose throughout his play. If the player reacts to four out of eight circumstances in the same way that an autistic child diagnosed by specialists would, the player will be tagged as autistic as well. All participants identified as autistic by this test should be checked by a specialist for a final diagnosis. Conclusions: ASD lacks a simple medical test for diagnosis, necessitating observation and questioning by trained professionals, especially in children. Conventional diagnostic approaches are time-consuming and financially demanding, making them less accessible for many families. Given the critical importance of early ASD diagnosis and its impact on learning and development, we were able to create a tool that will help in the diagnosis process, which will lead to solving many problems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».