利用眼动追踪扫描路径进行自闭症谱系障碍筛查的混合集成学习方法

《Array》：Hybrid ensemble learning for Autism Spectrum Disorder screening using eye-tracking scanpath

　　Nejad Alagha | Aya A. Elkhodiry | Abigail Copiaco | Yassine Himeur | Wathiq Mansoor | Christian Ritz | Valsamma Eapen | Ammar Albanna | Amin Beheshti
迪拜大学工程与信息技术学院，阿拉伯联合酋长国迪拜

**摘要**
早期和准确地检测自闭症谱系障碍（ASD）对于有效的干预和终身支持至关重要。机器学习和眼动追踪技术的最新进展使得基于注视行为的客观筛查方法成为可能，为传统诊断方法提供了一种非侵入性的替代方案。本研究介绍了一种混合集成学习框架，该框架结合了装袋法、提升法和堆叠法，利用了决策树、随机森林、k-最近邻、AdaBoost和梯度提升等多种分类器的互补优势。该框架在包含28名参与者（14名ASD患者，14名正常儿童）的基准眼动追踪数据集上进行了五折交叉验证。所提出的堆叠模型在五折验证中的平均准确率为0.960 ± 0.080，F1分数为0.952 ± 0.095，性能优于单独的基学习器，并且与基于图像的深度学习模型相当。由于直接处理原始扫描路径数据，该模型提高了可解释性并减少了预处理开销，消除了图像生成和转换步骤的需要，使其适用于实际和实时筛查环境。未来的工作将集中在更大的、更多样化的数据集上验证该框架，并将其集成到端到端的ASD筛查平台中。

**1. 引言**
自闭症谱系障碍（ASD）是一种复杂的神经发育障碍，其特征是社交沟通能力缺陷以及存在受限的、重复的行为模式[1]。美国疾病控制与预防中心（CDC）2022年的最新报告显示，大约每31名儿童中就有1名被诊断出患有ASD，这突显了迫切需要可访问的诊断工具[2]。诊断过程主要依赖于主观的临床观察和标准化工具，如自闭症诊断观察计划（ADOS）[3]。这些传统方法虽然临床效果可靠，但资源消耗大，尤其是在资源匮乏的医疗环境中，常常导致诊断延迟。

最近的技术发展使眼动追踪成为ASD客观行为分析的有希望的工具。与功能性磁共振成像（fMRI）或其他脑成像技术不同，眼动追踪是一种完全非侵入性的方法，只需受试者观察屏幕即可。眼动追踪系统可以捕捉个体对视觉刺激的注视行为，提供有关视觉注意力和社交认知模式的见解[4]。研究一致发现，ASD患者存在异常的注视行为，包括对面部注视时间减少、对社会相关线索的关注度降低以及偏离神经典型视觉处理模式的扫描路径[5][6]。这些注视异常被认为在早期发育阶段就已显现，通常先于明显的行为症状，因此为早期筛查提供了有力的途径[5]。从眼动追踪中提取的特征（如注视持续时间、眼跳幅度和注视熵[7]）已在各种机器学习流程中作为潜在的生物标志物。

机器学习（ML）和深度学习（DL）方法显著加速了使用眼动追踪数据进行ASD诊断的自动化。经典的ML算法，包括支持向量机（SVM）、决策树（DT）、k-最近邻（kNN）和随机森林（RF），已被应用于结构化的注视特征数据集[8][9]。这些技术在可解释性和计算效率方面表现出色，但本质上受到手动特征工程需求的限制。另一方面，DL方法能够直接从原始或半处理的眼动数据中进行端到端学习。卷积神经网络（CNN）被用于分析扫描路径图像和热图，而循环神经网络（RNN），特别是长短期记忆（LSTM）单元，已被用于建模注视行为的时间序列[10][11]。结合CNN与ML分类器或基于注意力的机制的混合架构也显示出提高分类准确性的潜力，尤其是在捕捉注视行为的空间和时间模式方面[12][13]。尽管取得了这些进展，但仍存在一些挑战。数据集的异质性、参与者多样性有限、DL模型的可解释性以及在不同人群和硬件平台上的泛化能力仍然是紧迫的问题[14][15]。此外，将原始眼动数据转换为扫描路径可视化引入了额外的计算开销和延迟，这可能限制了在移动设备或临床环境中的实时应用[16][17][18]。总体而言，这些限制表明需要一个计算效率高且鲁棒的学习框架，能够在保持可解释性的同时提高泛化能力，从而推动了基于集成学习的策略的采用。集成学习通过结合互补的决策边界来应对这些挑战，提高泛化能力并减少模型方差，这对于异构眼动追踪数据集尤为重要。为了应对这些限制，本研究提出了一种混合集成学习框架，系统地结合了装袋法、提升法和堆叠法，使用直接从扫描路径眼动数据中提取的手工特征进行ASD检测，消除了计算成本高昂的图像转换需求。该集成框架旨在提高分类准确性、模型多样性和实际筛查应用的可解释性。本研究的主要贡献总结如下：
- 我们提出了一种混合集成学习框架，将装袋法、提升法和堆叠法整合在一个统一的架构中，超越了以往主要依赖单一集成策略的研究。
- 所提出的方法直接处理从原始扫描路径数据中提取的手工特征，消除了扫描路径到图像的转换，减少了计算开销，并明确区分了该框架与基于图像的流程。
- 采用了一种基于原则的多样性感知的基学习器选择策略，以促进互补的决策边界，从而提高模型鲁棒性并减少过拟合。
- 采用按受试者分类的聚合和评估协议，以防止数据泄露，并提供更真实的模型泛化估计，适用于临床环境。

本文的其余部分组织如下：第2节回顾了使用眼动追踪数据进行ASD检测的机器学习、深度学习和混合集成方法的相关文献，强调了现有的局限性和研究空白。第3节描述了所提出的方法，包括数据集特征、预处理程序、特征提取和混合堆叠集成设计。第4节介绍了实验设置、性能评估和统计显著性分析，并与最新研究进行了比较讨论。最后，第5节总结了本文并概述了未来研究的方向。

**2. 相关工作**
2.1. 经典机器学习方法
传统ML方法是早期使用眼动追踪数据进行ASD检测工作的基础。算法如SVM、DT、RF和kNN经常用于从原始眼动数据中提取的手工特征，如注视次数、平均注视持续时间、眼跳幅度、眨眼率和扫描路径长度[8][9]。这些模型具有可解释性且计算效率高，适合概念验证研究。然而，它们的有效性本质上受到工程特征的质量和领域相关性的限制。研究表明，使用RF和SVM在注视表格数据上的准确率在85%–92%之间，但跨数据集的泛化能力较差[9][13]。此外，这些方法难以捕捉自闭症注视行为中固有的微妙时空模式。

2.2. 深度学习模型
在DL领域，研究趋势转向了端到端学习，直接从原始或半处理数据（如扫描路径图像或注视坐标）中自动提取特征。Alsharif等人[19]、Simon等人[20]和Supritha与Mohan[12]的研究应用了各种DL架构（包括ResNet-50、DenseNet-201、MobileNetV2和VGG16）来分析眼动追踪数据，并报告了高准确率。除了眼动追踪，深度学习还应用于其他模态的ASD诊断，包括使用ConvCapsule网络的自然语言[21]和使用基于CNN的框架及优化集成进行面部表情分析[22][23]。这些工作展示了DL在ASD评估中的更广泛应用，而我们的重点是眼动追踪扫描路径。这一趋势突显了领域内的一个关键战略转变：迁移学习的广泛采用。近期的大量出版物利用了来自ImageNet的预训练模型（如MobileNet、ResNet和VGG）作为基础特征提取器[24][25]。这种在大型通用数据集上预训练模型进行微调的做法是对该领域数据稀缺问题的直接和实际响应。文献中提出了多种针对不同类型眼动追踪数据的DL架构。CNN在处理已转换为图像的注视数据（如扫描路径或热图）方面发挥了主导作用。多项研究[12][20][25]成功应用了预训练的CNN（如ResNet-50和DenseNet-201）来分类视觉注意力模式，准确率高达94.97%。Mumenin等人[10]提出了一种轻量级的ASDNet，旨在捕获与通道无关和位置特定的特征，同时减少计算开销。为了捕捉注视行为的时间动态，研究人员使用了RNN及其变体。例如，[11]将LSTM层与CNN结合，编码了空间和时间动态，获得了0.99的AUC分数和97%以上的敏感性。类似地，[13]使用基于多模态门控循环单元（GRU）的模型分析了注视和眼跳数据序列，准确率达到84.10%。

尽管DL模型在ASD筛查方面取得了进展，但许多流程仍需要额外的预处理（例如渲染扫描路径或热图），依赖于大量参数，并且可解释性有限。在跨设备变化和小型、异质儿科群体中，性能也可能下降。这些限制促使人们采用混合集成方法。下一小节将概述该领域采用的代表性混合和集成策略。

2.3. 混合和集成方法
许多近期研究转向了结合ML和DL优势的混合和集成模型[20][26]。这种方法不仅旨在实现高性能，还旨在解决计算复杂性和可解释性之间的固有权衡。总体策略是使用强大的DL模型处理最具挑战性的任务（即特征提取），然后将结果特征传递给更透明或高效的ML分类器。一些研究使用DL模型（分别为MobileNet V1和ResNet-50）提取特征，然后进行主成分分析（PCA）以减少维度[20][26]。这使他们能够保留CNN学习的深层抽象特征图，同时将数据简化为更易于管理的组件集。类似地，[27]使用RF模型提取特征重要性分数，然后用这些分数预训练多层感知器（MLP），该混合模型的准确率达到97.4%。此外，研究人员正在探索堆叠和集成分类器以提高泛化能力。Ametha Jeyarani等人[9]在基础Xception模型之上使用了堆叠分类器，实现了98.9%的显著更高准确率，而基础模型的验证准确率为80%。另一个例子是[28]，他们使用Egret Swarm Optimization Algorithm（ESOA）进行特征选择，以贝叶斯网络作为适应度函数来找到最佳特征集，该模型的准确率约为98%。这些混合方案，包括结合手工特征和基于LSTM的特征进行ASD检测，支持结合互补学习器和特征类型的必要性[29][30]。这种向混合模型的趋势表明，人们越来越认识到需要实用、可部署的解决方案，以在高准确性与降低计算需求和提高可解释性之间取得平衡。

2.4. 限制和实时约束
大多数模型在分类之前将原始眼动数据转换为扫描路径图像或热图，丢弃了可能提供更丰富上下文的原始时间序列。虽然这样的转换使得CNN的应用成为可能，但它们严重阻碍了实时应用[16][17][18]。图像生成、归一化和缩放的计算开销与移动设备或嵌入式系统不兼容。此外，依赖基于图像的表示降低了将ML集成到可穿戴或低延迟筛查设置中的可行性。能够处理原始或轻度预处理的眼动坐标（例如使用1D CNN、变换器或基于注意力的机制）的模型更适合实时应用[10][11]。尽管现有研究表明ML和眼动追踪在ASD诊断方面具有潜力，但仍然存在显著的泛化差距。这在很大程度上是由于研究领域依赖于少数小型、同质数据集，导致模型过拟合且缺乏真正的临床实用性[14]。此外，许多深度学习（DL）模型的“黑箱”性质以及其架构的高计算需求为实时部署和临床应用带来了重大障碍。3. 方法论 在本研究中，自闭症谱系障碍（ASD）检测任务被构建为一个监督二元分类问题，该问题根据从眼动数据中提取的定量扫描路径特征来预测参与者属于ASD组还是典型发育（TD）组。这是通过从扫描路径眼动数据中提取手工制作的特征来实现的，这些特征作为一系列单独分类模型以及集成学习策略的输入。评估了独立分类器和简单集成方法的性能。随后，开发了一个结合了提升（boosting）、装袋（bagging）和堆叠（stacking）技术的混合堆叠集成模型，以进一步提高分类准确性和可解释性。本节详细介绍了整个方法论，包括特征提取、基础学习器选择和最终集成构建。下载：下载高分辨率图像（215KB）下载：下载全尺寸图像图1. 眼动数据集目录结构和扫描路径文件格式的概述。表1. 本研究中使用的Zenodo眼动数据集摘要。方面 数据集1（Zenodo）来源Zenodo [31] 参与者数量28人（14名ASD，14名TD） 年龄范围未说明 数据格式600个扫描路径文本文件 诊断标签ASD，TD 刺激自然图像 记录的特征注视点（x，y，持续时间）3.1. 数据集描述 本研究使用了来自Zenodo [31]的广泛采用的公共眼动数据集，该数据集捕捉了ASD儿童和典型发育儿童的注视行为。眼动数据是使用Tobii T120眼动追踪器收集的，采样率为120 Hz，显示器分辨率为1280 × 1024。实验设置使用了65厘米的观看距离，位于追踪器的有效范围50至80厘米内。为了确保数据可靠性，在每个参与者的十次记录会话之前都进行了标准的眼动追踪校准程序。刺激物每次展示3秒，然后是一个1秒的灰色屏幕掩码，在自由观看任务条件下进行。对于ASD儿童，由于可能存在的注意力集中困难，偶尔会使用口头提醒来保持对屏幕的关注。数据集被组织成几个文件夹，如图1所示，包括ASD组和TD组的原始图像、注视图和扫描路径数据。具体来说，“ASD”和“TD”文件夹包含每个组的单独扫描路径文件，而ASD FixMaps和TD FixMaps文件夹包含注视图。还有其他文件夹包含用于测试的热图和实际图像。表1总结了本研究中使用的眼动数据集。每个扫描路径文件都存储在一致的逗号分隔格式中，第一列（Idx）标记受试者索引（0表示新受试者数据的开始），后面跟着注视坐标（x，y）和以毫秒为单位的注视持续时间。对于每张图像，从最多14名ASD和14名TD受试者那里收集了注视数据，因此每张图像最多有28条扫描路径。然而，由于视觉注意力的差异，一些ASD参与者并没有观看所有图像，导致ASD组中偶尔会出现缺失的扫描路径。在数据预处理过程中过滤掉了所有不完整或缺失的扫描路径，以确保用于模型训练和评估的数据集的一致性和可靠性。虽然数据集提供了注视图和热图，但本工作中的分析仅关注扫描路径数据，如图1所示。图1展示了来自ASD和TD参与者的示例扫描路径可视化。3.2. 预处理和特征提取 在特征提取和模型训练之前，对眼动数据进行了结构化处理，以确保分类的一致性表示。原始文件被组织成扫描路径，每个扫描路径由它们的空间坐标（xi，yi）和注视持续时间di定义的连续注视记录组成。因此，除了在参与者级别组织扫描路径外，几乎不需要额外的预处理。表2. 每次试验提取的手工制作扫描路径特征。特征名称 描述 注视次数 扫描路径中的注视次数（在填充或截断之前）。平均注视持续时间 扫描路径中所有注视的平均持续时间。总路径长度 连续注视之间的欧几里得距离之和（总注视移动距离）。平均扫视幅度 连续注视之间的平均距离（路径长度除以扫视次数）。分散度 x和y坐标的标准差之和（注视点的整体分布）。注视持续时间熵 规范化注视持续时间的熵（注视分配的不规则性）。首次注视持续时间 扫描路径中的首次注视持续时间。最长单次注视持续时间 扫描路径中最长的单次注视持续时间。总注视持续时间 所有注视持续时间之和（总观看时间）。通过截断或零填充前Nfix=20个注视点，将每个扫描路径转换为固定长度的表示。随后，提取了一组定量行为特征，以捕捉注视行为的基本时间和空间特征。表2提供了提取特征的完整描述。选择基于注视和扫视的数值特征的动机是先前的研究[32]、[33]、[34]表明，ASD个体的非典型视觉注意力模式通常通过注视持续时间、注视分散度和扫视行为的差异反映出来。这些指标提供了视觉处理的客观和可解释的指标，并已在ASD分析的眼动研究中得到广泛应用。与高维表示相比，手工制作的扫描路径特征在保持机器学习分类有效性的同时提供了更好的可解释性。因此，本研究专注于注视和扫视特征作为视觉注意力行为的可靠定量描述符。设一个扫描路径包含N个注视点。基于这种表示，提取的特征在数学上定义如下。注视总数N反映了与视觉刺激的注视频率，并提供了视觉探索行为的指标。平均注视持续时间捕获了分配给视觉处理的平均时间，计算公式为μd=1/N∑i=1Ndi，其中di表示第i次注视的持续时间。较长的注视持续时间通常与更深入的认知处理相关，而较短的持续时间可能表示扫描行为。总扫描路径长度反映了连续注视之间的累积注视位移，计算公式为L=∑i=1N?1(xi+1?xi)2+(yi+1?yi)2，其中(xi,yi)对应于注视i的空间坐标[32]。这个特征提供了对视觉搜索效率和探索行为的洞察。平均扫视幅度测量了连续注视之间的平均距离，公式为A=LN?1，表示典型的注视移动幅度[32]。较大的幅度可能对应于更广泛的场景扫描，而较小的幅度表明局部注意力。空间分散度表征了注视位置的分布，计算公式为D=σx+σy，其中σx和σy分别表示沿水平和垂直轴的注视坐标标准差[33]。较大的分散度通常反映了较不集中的视觉注意力。注视持续时间熵评估了注视分配的不规则性[34]，表示为H=?∑i=1Npilog(pi)，其中pi=di/∑j=1Ndj表示第i次注视持续时间的标准化概率。较高的熵表明更不可预测的观看行为。首次注视持续时间Ffirst=d1捕获了对刺激的初始注意力参与，可能反映了早期的感知优先级。最长注视持续时间识别了扫描路径中最长的持续注意力，定义为Fmax=max(di)，i=1,…,N，可能表明了认知兴趣较高的区域。最后，总注视持续时间代表了累积的观看时间，计算公式为T=∑i=1Ndi，提供了视觉参与度的总体衡量。为了获得紧凑的参与者级表示，通过计算与该参与者相关的所有扫描路径的统计摘要来聚合属于同一受试者的扫描路径级特征。具体来说，计算了每个特征的平均值和标准差，生成了一个特征向量，表征了每个参与者的整体视觉行为。在模型训练期间，通过重新采样每个受试者的扫描路径并重新计算聚合的特征表示来生成额外的受试者级样本。这种方法增加了样本的多样性，同时保留了特定于受试者的行为模式。最后，使用z分数标准化对所有特征进行了标准化，以确保特征维度的均值为零和方差为单位。为了评估工程化扫描路径描述符的相对贡献，在评估框架内进行了基于排列的特征相关性分析。通过随机排列各个特征值并测量相应的分类性能下降来估计特征重要性。此分析独立于模型选择程序进行，仅作为可解释性工具，而不是特征选择机制。下载：下载高分辨率图像（227KB）下载：下载全尺寸图像图2. 通过简单排列测试（VPT）进行的全特征重要性排名。分析确定了一组对模型预测有高度影响的特征，其中路径长度是最具影响力的描述符。其他贡献因素包括注视次数、平均扫视幅度、最长注视持续时间和分散度，共同捕捉了视觉探索行为的空间范围和动态。这一层次结构与先前的临床发现[5]、[6]、[7]一致，这些发现将有限的视觉探索、局部扫描路径和非典型的注视模式与ASD联系起来。这些发现支持了提取的特征集在后续分类任务中建模注视行为的相关性。最具影响力的特征的相对贡献在图2中进行了说明。总体而言，这些特征捕捉了注视行为的时间、空间和统计属性，为后续分类任务提供了区分性信息。下载：下载高分辨率图像（327KB）下载：下载全尺寸图像图3. 使用眼动扫描路径数据进行ASD分类的提出的混合集成方法概述。该框架从原始扫描路径数据开始，然后进行预处理和特征提取以得出基于注视的区分性特征。在第一层，训练多个基础学习器以捕捉多样化的决策模式。然后，第二层的元学习器（AdaBoost）聚合它们的预测，以提高分类的鲁棒性和减少模型偏差。最终输出对应于预测的类别标签。3.3. 使用混合集成进行自闭症分类 为了最大化分类准确性和模型鲁棒性，我们采用了基于堆叠的混合集成学习框架，如图3所示。我们的方法结合了多种基础学习器，包括基于树的、基于距离的和基于提升的模型，其输出由元学习器合成以进行最终预测。在这个异构集成中，通过随机森林（RF）实现装袋，通过AdaBoost和梯度提升实现提升，堆叠作为顶层组合器。从特征提取到集成分类的整个过程在算法1中详细说明。通常，装袋、提升和堆叠是结合基础学习器预测的三种主要方法[35]。•装袋（自助聚合）涉及在数据集的不同自助样本上训练单个学习算法的多个实例。每个基础分类器独立训练，最终预测是通过聚合它们的输出（例如，多数投票或平均）来实现的，从而减少方差并提高稳定性[36]。•提升依次结合多个基础学习器，每个后续模型尝试纠正前一个模型犯的错误。这个过程产生了一个强大的整体分类器，专注于困难案例；最终输出通常通过加权投票获得[37]。•堆叠通过组合不同类型的基础学习器来构建多层次集成。多个多样化模型的预测被用作元学习器的输入特征，元学习器被训练以产生最终输出，利用基础模型的互补优势[38]。选择基础学习器是实现集成分类器的关键步骤，因为基础学习器的准确性和多样性是成功构建集成所需的两个重要因素[39]。如果基础模型在未见实例上具有良好的泛化能力，则认为它是准确的。相反，如果它们在未见实例上的错误不同，则认为模型是多样化的。理想的情景要求各个学习器对正在学习的任务有单独的知识，并且它们的错误彼此不同。异构集成本质上是多样化的，因此我们决定使用异构集成。在构建混合集成之前，我们组装并筛选了一组机器学习模型以平衡准确性和多样性。在选择候选模型时，我们有意包括了代表各种集成范式（如装袋和提升）和学习策略（基于树的、基于距离的和线性模型）的算法，以确保池中包含广泛的归纳偏差和错误模式。候选模型包括八种广泛使用的分类器：决策树（DT）、随机森林（RF）、额外树（ET）、AdaBoost、梯度提升（GB）、支持向量机（SVM）、K最近邻（KNN）和逻辑回归（LR）。对于每种算法，我们使用分层交叉验证和F1分数作为模型选择标准，在有界超参数空间内进行了网格搜索。根据[40]中描述的模型选择原则，该原则在不同的应用领域已经证明了其有效性，我们保留了那些在F1分数上表现最高的同时也展现出互补学习行为的基学习器，如表3所示。选择F1分数作为主要指标是因为它在精确度和召回率之间提供了和谐的平衡，确保了假阳性和假阴性都得到了充分的考虑。虽然原始研究是在声学背景下应用这一策略，并且仅关注基于性能的选择，但我们通过额外评估算法之间的多样性来扩展这种方法，以确保不同学习范式的平衡表示，并增强集成模型的泛化能力。

首先，我们确定了F1分数最高的模型，这些模型分别是Extra Tree、AdaBoost和SVM，它们的F1分数都约为91%。由于它们的性能在统计上相似，我们优先考虑了算法的多样性，以避免集成模型中的冗余。Extra Tree被排除在外，因为它的机制与Random Forest[41]非常相似，两者都依赖于随机决策树集成，这会提供有限的额外多样性。同样，SVM也没有被选中，因为在其特征归一化后，其决策边界倾向于与提升模型相关联，因此没有提供独特的表示。另一方面，AdaBoost被保留下来，因为它是一种基于提升的学习器，并具有自适应加权功能，可以补充Random Forest的装袋行为。在保留了表现最佳且不冗余的模型之后，接下来表现最好的算法是kNN（F1分数为87.81%）、Random Forest（F1分数为82.74%）、Decision Tree（F1分数为76.57%）和Gradient Booster（F1分数为71.81%）。这些模型被依次添加进来，以确保方法上的多样性。最终的选择包括五种算法：Decision Tree、Random Forest、AdaBoost、Gradient Booster和KNN = 3，它们分别代表了装袋、提升和基于实例的学习范式。这种结构化的选择不仅确保了包含表现最佳的分类器，还平衡了不同学习机制的表示，从而增强了集成模型的整体泛化能力和鲁棒性。所选基学习器的确切超参数设置总结在表4中。

在集成学习中，最终预测通常是通过使用基于规则或学习策略组合多个基模型的输出来产生的。常见的基于规则的组合器包括多数投票[42]，[43]，其中每个基分类器为一个类别投票，选择得票最多的类别；以及平均法，这通常用于回归任务。另一种方法是堆叠（或堆叠泛化），它使用一个单独的元学习器[38]，该元学习器在基模型的外部折叠预测上进行训练，以最佳方式融合它们的输出。在这项研究中，我们将堆叠作为集成流程的最终阶段实现，使用AdaBoost作为元学习器。选择AdaBoost是因为它能够自适应地加权基模型的预测，专注于难以分类的实例，并减少偏差和方差，通常可以提高分类的准确性和鲁棒性。这种方法使我们能够利用基模型的多样性和优势，同时使元学习器能够自适应地组合它们的预测，从而提高分类性能和鲁棒性。

为了评估我们提出的混合集成模型的有效性和鲁棒性，我们设计了一个全面的实验方案。此次评估的主要目的是对我们的方法进行分类性能基准测试，验证所选基学习器的互补性，并展示通过集成装袋、提升和堆叠策略所获得的收益。除了比较单个模型和集成模型外，我们还将我们的结果与其他最先进的方法进行基准测试，为我们的ASD/TD分类框架的通用性和可靠性提供证据。

表4. 混合集成中每个基学习器的优化超参数。

表5. 5折交叉验证结果（平均值±标准差，小数）。

所有实验都在运行Windows 11的工作站上进行，配备了Intel Core i9处理器、32 GB RAM和NVIDIA RTX 4060 GPU。模型开发和评估使用Python（版本3.10.0）和scikit-learn库（版本1.7.0）进行。在补充材料中提供了完整的环境转储（通过pip freeze生成），详细列出了所有使用的库依赖项。为了确保可重复性，所有随机过程（包括数据洗牌和模型初始化）都初始化了一个固定的随机种子（seed = 42）。由于分析是在本地工作站上进行的，因此没有使用专门的网络设备进行数据传输。为了确保对模型泛化能力的稳健和无偏评估，我们采用了5折分层K-Fold交叉验证策略。与标准分层不同，这种程序确保来自特定参与者的所有数据都被限制在单个折叠中，防止了受试者泄露。在这种设置中，整个数据集被划分为五个子集，每个折叠中保留了类别分布。每次运行时，四个折叠用于训练（包括仅应用于训练数据的数据增强），而剩余的折叠作为保留的测试集。这个过程重复了五次，以便每个样本都被使用一次进行测试。所有特征提取和归一化步骤都在每个折叠中独立进行，以防止信息泄露。

模型性能是通过计算五个StratifiedGroupKFold交叉验证分割中的准确率、精确度、召回率和F1分数的平均值和标准差来评估的。除了对单个基学习器进行评估外，我们还对折叠间的F1分数进行了成对统计显著性测试（Wilcoxon符号秩检验和配对t检验），以验证所选基模型的多样性和互补性。最后，我们将完整的混合堆叠集成模型的性能与每个基学习器的性能进行了比较，量化了集成整合的附加价值。

4.2. 评估基学习器的性能
表5报告了对每个单独基学习器以及堆叠集成进行的五折交叉验证实验的结果。每个模型报告了四个性能指标，即准确率、精确度、召回率和F1分数。对于所有指标，都提供了五个折叠的平均值和标准差（以小数格式表示）。

在基学习器中，AdaBoost取得了最高的平均准确率（0.9267）和F1分数（0.9181），表明在所有评估的折叠中整体性能强劲，且变异性相对较低。KNN（k=3）分类器的表现也很有竞争力，准确率为0.8867，F1分数为0.8781，反映了有效的类别区分能力以及中等程度的变异性。Random Forest模型的准确率为0.8533，F1分数为0.8374，提供了一个稳健的基于树的基线；而Decision Tree的整体性能较低（准确率为0.8200，F1分数为0.7657），并且方差明显较高，这突显了其对训练数据组成的敏感性。Gradient Booster的得分相对较低，准确率为0.7800，F1分数为0.7181，表明在当前实验设置下的鲁棒性较低，尽管它仍在集成框架内提供了互补的预测行为。

4.3. 统计显著性分析
为了评估分类器性能之间的观察到的差异是否具有统计学意义，我们对交叉验证折叠中获得的F1分数进行了非参数Friedman检验，以评估全局零假设。在拒绝零假设后，进行了Holm–Bonferroni事后比较，以识别特定的成对差异，同时控制家族错误率。此外，还使用了自助重采样来估计主要性能指标的95%置信区间，从而进一步了解了所提模型的稳定性和可靠性。Friedman检验特别适合于比较在相同数据分割上评估的多个分类器，并且不假设正态性，因此适用于小样本实验设置。分析得出的Friedman统计量为χ2(5)=24.92，p值为0.000139，表明在α=0.05的显著性水平上，评估模型之间存在统计学上的显著差异。鉴于这一显著的全局结果，进行了Holm–Bonferroni事后检验，以识别所提出的堆叠集成与各个基学习器之间的成对差异，同时控制家族错误率。如表6所总结的，经过校正后，堆叠框架的性能显著优于所有基线分类器（p<0.05）。这些发现表明，堆叠集成的优越预测能力不太可能是由于随机变异造成的。为了进一步量化主要性能指标的可靠性，使用了自助重采样来估计堆叠模型性能的置信区间。自助估计得出的平均准确率为0.960，平均F1分数为0.9524，F1分数的95%置信区间为[0.8857, 1.000]，表明估计的性能变异性较低。

总体而言，统计分析提供了证据，表明所提出的堆叠框架在保持验证折叠间稳定行为的同时，始终提供优于评估基学习器的分类性能。

4.4. 堆叠集成性能
为了评估所提出的混合堆叠集成的整体有效性，我们使用完整的数据集对其性能进行了评估。图4提供了所有模型在准确率、精确度、召回率和F1分数指标上的比较概览。如图所示，堆叠集成在所有评估标准上始终优于所有单个基模型。

具体来说，堆叠集成的准确率为0.960±0.080，精确度为0.975±0.050，召回率为0.950±0.100，F1分数为0.952±0.095。这些结果不仅反映了最高的平均性能，还显示了所有模型中最低的标准差，突出了集成在交叉验证折叠中的卓越一致性和稳定性。相比之下，表现最好的单个学习器AdaBoost的F1分数为0.918±0.103，其次是Random Forest和KNN，它们的平均值略低且方差较高。为了进一步评估所提出框架的鲁棒性，进行了一项消融实验，在该实验中完全禁用了算法1中描述的受试者感知增强策略。在没有增强的情况下，堆叠模型的F1分数为0.8781，而带有增强后的F1分数为0.9524，提高了7.43%。准确率（+7.33%）、召回率（+6.67%）和精确度（+5.83%）也观察到了类似的改进。这些结果表明，增强提高了泛化能力，但即使在没有合成数据的情况下，模型仍保持强大的性能。详细比较见补充材料（表S1）。

堆叠模型的优越性能可以归因于它能够整合异构基学习器的互补优势。通过元学习结合基于装袋的（Random Forest）、基于提升的（AdaBoost和Gradient Booster）和基于距离的（KNN）分类器，集成捕获了多样的决策边界，并减轻了单个算法的局限性。这种融合提高了泛化和鲁棒性，对于ASD分类中使用的复杂和噪声较大的数据（如眼动追踪信号）尤为重要。这些发现还得到了之前进行的成对显著性测试的支持，该测试确认了基学习器为集成贡献了统计上不同的信息。总体而言，堆叠框架不仅展示了卓越的预测准确性，还展示了显著的稳定性，验证了集成集成在可靠和通用ASD检测方面的有效性。

4.5. 与最新研究的比较性能
表7总结了使用眼动追踪数据的最新ASD检测模型，突出了输入类型、方法和分类准确性的差异。大多数先前的工作利用基于图像的scanpath输入，其中原始注视坐标被转换为基于图像的表示，如scanpath叠加图或热图。然后通过深度学习或迁移学习架构（例如ResNet50、MobileNetV2）处理这些图像，通常报告的准确率非常高，达到98.94% [28]。尽管这种方法有效，但它增加了一个数据转换步骤，并依赖于预训练的视觉模型，这可能不适用于实时或资源受限的环境。相比之下，只有少数研究（包括我们提出的工作）使用原始的扫描路径输入，直接将数值注视坐标和注视数据输入分类器。这种方法具有实际意义，因为原始扫描路径数据是商用眼动追踪器的自然输出，避免了图像转换的计算开销和可能的偏差。我们的混合集成模型使用原始扫描路径数据实现了96.00%的准确率，优于其他原始扫描路径模型（例如91.43% [44]），并且接近最佳基于图像的扫描路径方法的性能。

表6. Holm–Bonferroni事后比较（堆叠与基础学习器）。
比较 | 校正后的p值 | 显著性
--- | --- | ---
堆叠与决策树 | 0.0040 | 是
堆叠与AdaBoost | 0.0012 | 是
堆叠与梯度提升 | 0.0025 | 是
堆叠与KNN（k=3） | 0.0008 | 是
堆叠与随机森林 | 0.0090 | 是

表7. 使用眼动追踪数据的最新ASD检测模型总结。
论文 | 输入类型 | 方法论 | 准确率 |
--- | --- | --- |
Supritha和Mohan [12] | 基于图像的扫描路径 | 预训练模型（MobileNet V2） | 94.97% |
Kavitha等人 [28] | 基于图像的扫描路径 | ESAO-BN | 98.94% |
Priya等人 [25] | 基于图像的扫描路径 | 预训练模型（ResNet50） | 95.00% |
Cheng等人 [44] | 原始扫描路径 | 决策树 | 91.43% |
Benabderrahmane等人 [13] | 原始扫描路径 | ANN | 84.10% |
Simon等人 [20] | 基于图像的扫描路径 | 预训练模型（ResNet50） | 85.00% |
Asmetha Jeyarani等人 [9] | 基于图像的扫描路径 | 堆叠分类器 | 98.9% |
Copiaco等人 [45] | 基于图像的扫描路径 | SVM | 85.00% |
我们提出的模型 | 原始扫描路径 | 混合集成 | 96.00% |

通过展示一种使用原始扫描路径输入的竞争性和高效替代方案，我们的方法为实际世界的ASD筛查提供了一个更直接和可部署的解决方案，弥合了研究原型和实际临床工具之间的差距。尽管提出的框架取得了高准确率，但它是在一个小型数据集（28名参与者）上评估的，这限制了结果的统计普遍性。因此，报告的结果应被视为概念验证的演示，需要在更大和更多样化的人群上进行验证。

5. 结论
本文提出了一个用于早期检测ASD的强大混合集成框架，该框架利用眼动追踪扫描路径特征。通过整合装袋、提升和堆叠策略，所提出的模型利用了不同基础学习器的互补优势，实现了比单个模型更好的分类性能。在公共眼动追踪数据集上的全面评估表明，堆叠集成始终优于所有组成基础学习器，平均准确率为0.960 ± 0.080，F1分数为0.952 ± 0.095。与直接使用原始扫描路径特征的先前研究相比，所提出的方法表现出更好的性能，例如使用基于ANN的方法获得的84.10%准确率 [13] 和传统决策树分类器报告的91.43% [44]。然而，需要注意的是，跨研究比较应谨慎解释，因为现有工作在数据集大小、采集设备和评估协议方面存在差异。与依赖基于图像的扫描路径表示并使用深度卷积网络（如ResNet50 [25]）的研究不同，所提出的框架直接操作原始数值扫描路径特征。通过避免计算密集型的图像渲染和处理流程，所提出的方法提供了一个显著更轻量级的解决方案，同时实现了可比的预测性能。这种设计选择提高了计算效率，并支持实时ASD筛查系统的实际可行性。

虽然这项研究解决了与使用扫描路径特征进行可解释和高效ASD检测相关的几个研究空白，但仍存在一些需要进一步研究的限制。首先，该框架是在一个小规模的参与者群体（28名参与者，14名ASD，14名TD）上评估的，缺乏独立数据集的外部验证，这限制了当前对统计普遍性的评估。其次，数据是使用单一设备（Tobii T120）收集的，这引发了关于几何测量跨设备敏感性的担忧。例如，扫视幅度或分散度可能会根据屏幕分辨率和采样率而变化。最后，虽然手工制作的特征提供了可解释性，但它们可能会忽略非线性的时间动态。

为了解决这些限制，未来的研究将实施实际步骤以确保鲁棒性。主要关注点将是采用视觉角度归一化来处理所有几何注视特征。目前，如扫视幅度这样的指标依赖于特定的屏幕分辨率（例如1280 × 1024像素）和固定的观看距离。通过将这些基于像素的坐标转换为相对于观察者眼睛的角度位移，视觉角度归一化确保了特定生物眼动在从高分辨率桌面显示器到移动平板电脑的各种硬件平台上的一致表示。此外，为了验证这种跨设备兼容性，我们计划编译一个更大、更多样化的数据集。这些努力将使我们能够在独立数据上严格验证所提出的模型，帮助弥合研究原型和可在实际临床环境中使用的可扩展、客观的ASD评估工具之间的差距。

所提出的研究特别设计了便于未来实时实施和临床集成。与依赖资源密集型图像渲染和处理的深度学习方法不同，我们的混合集成直接操作原始数值扫描路径数据。这种方法论优势显著减少了特征提取和分类所需的计算开销，使得该框架非常适合在移动设备或基于网络的门户上进行轻量级部署。为了将这项研究推向临床应用，未来的工作将专注于开发一个能够与眼动追踪硬件接口的应用程序编程接口（API）。这将支持“实时筛查”流程，其中注视数据被顺序处理以提供诊断反馈，简化了评估过程，而不受基于图像系统的典型硬件限制。

CRediT作者贡献声明
Nejad Alagha：写作 – 审稿与编辑、撰写原始草稿、可视化、验证、软件、方法论、调查、形式分析、概念化。
Aya A. Elkhodiry：写作 – 撰写原始草稿、可视化、验证、调查、形式分析、数据管理、概念化。
Abigail Copiaco：写作 – 审稿与编辑、可视化、验证、监督、资源管理、项目管理、方法论、调查、资金获取、形式分析、概念化。
Yassine Himeur：写作 – 审稿与编辑、验证、监督、调查、形式分析。
Wathiq Mansoor：写作 – 审稿与编辑、监督、调查、形式分析。
Christian Ritz：写作 – 审稿与编辑、监督、调查、形式分析。
Valsamma Eapen：写作 – 审稿与编辑、可视化、监督、形式分析。
Ammar Albanna：写作 – 审稿与编辑、监督、调查、形式分析。
Amin Beheshti：写作 – 审稿与编辑、监督、调查、形式分析。

伦理批准
本研究使用了以匿名形式发布的公开可用眼动追踪数据集。本研究没有收集新的数据。由于数据集创建者在公开发布前已经对数据进行了匿名处理，并且不包含任何可识别的个人信息，因此不需要额外的伦理批准。