摘要
运动差异越来越被视为自闭症谱系障碍（ASD）的相关早期标志物，尽管它们并不属于核心诊断标准的一部分。计算机视觉、姿态估计和机器学习领域的最新进展使得对运动模式的定量分析成为可能，特别是刻板运动（SMMs）和步态偏差。这篇范围综述考察了近期用于分析自闭症个体运动和运动模式的人工智能方法，特别关注刻板运动（SMMs）和步态相关差异。所综述的研究使用了二维和三维姿态估计、传统机器学习算法以及深度学习模型，从视频、骨骼、深度和传感器数据中提取运动特征。所纳入的研究涉及不同的结果指标，包括ASD与典型发展（TD）个体的分类、SMM和重复行为的检测、步态异常的分类或特征描述、运动表型评估，以及运动测量或验证。由于这些研究考察了不同的任务并采用了不同的性能指标，其结果无法直接进行比较。然而，小型或私有数据集、异质性的研究方案以及有限的外部验证限制了跨研究的比较和临床泛化能力。总体而言，现有证据支持技术性运动分析的应用，而非经验证的临床ASD筛查或诊断。
