综述：智能神经行为分析：针对自闭症谱系障碍检测的多模态数据及基于人工智能的综合计算技术的全面综述

《Computer Science Review》：Intelligent neurobehavioral analysis: A comprehensive review of multimodal data and integrative AI-based computational techniques for autism spectrum disorder detection

　　

K. Nithya|C.R. Dhivyaa|A. Devipriya|C. Sharmila

印度韦洛尔理工学院计算机科学与工程学院

摘要

自闭症谱系障碍（ASD）表现出广泛的行为和神经学特征，这使得准确诊断成为一项重要的临床挑战。近年来，人工智能（AI）作为一种强大的工具，通过计算分析多种数据模式来支持ASD的检测。本综述详细探讨了当前AI驱动的ASD研究现状，特别关注特定模式的数据集、数据处理流程和分类技术。文章讨论了来自神经成像、脑电图（EEG）、眼动追踪、语音、面部表情和行为评估的常用数据集，并对其特征、局限性和表现多样性进行了批判性评估。此外，还探讨了提高数据质量和模型性能的数据处理方法，如伪影去除、标准化、分割和特征选择。通过比较机器学习、深度学习、迁移学习和基于变换器的方法，突出了这些模型在ASD分类中的优势。同时，综述总结了现有研究趋势，指出了方法上的空白，并概述了研究人员面临的关键挑战。研究表明，深度学习方法在ASD分类方面的准确性高于传统机器学习模型，尤其是在基于神经成像和EEG的检测中。综述还指出，多模态融合和基于变换器的框架越来越受到关注，这些框架在跨数据集的鲁棒性和泛化能力方面表现出色。本研究旨在开发出鲁棒、高效且具有临床效果的人工智能模型，用于ASD的评估和干预计划。

章节摘录

1. 引言

自闭症，通常称为自闭症谱系障碍（ASD），是一种多方面的神经发育障碍，主要影响个体的感知、反应、沟通方式以及与周围世界的互动。由于其表现形式、技能水平和残疾类型的多样性，它被归类为谱系障碍。该障碍的特点是大脑活动发育异常，这种异常始于产前或产后早期阶段。ASD的病因非常复杂

自闭症谱系障碍的特定模式数据集

自闭症谱系障碍的特定模式数据集侧重于通过不同模式（如成像、EEG、语音、视频、多模态数据和眼动追踪数据）进行数据收集，如图4所示。每种模式都包含大脑活动的结构信息、行为信息和情绪信息，有助于构建有效的机器学习模型以分析ASD的严重程度。每种数据模式都提供了关于自闭症行为和神经生物学特征的有用信息

自闭症谱系障碍分析的数据处理技术

在ASD研究中，数据处理是检查音频、视频、遗传学和EEG等多模态数据的重要环节，为后续的机器学习工作流程奠定基础。预处理有助于提高数据质量和可靠性，而特征提取和选择则将复杂数据简化为易于理解的形式。鉴于ASD病理表现和记录程序的多样性，精确的数据处理步骤至关重要。深度学习的兴起

用于特定模式自闭症分类的人工智能技术

人工智能技术在利用多种模式的数据对自闭症谱系障碍进行分类方面显示出巨大潜力。这包括机器学习技术、深度学习技术、迁移学习技术以及基于变换器的模型，如图8所示。机器学习利用传统计算算法从提取的特征中学习模式来进行ASD预测，例如支持向量机、决策树等

多模态整合与跨模态方法在提高ASD检测效果中的应用

在ASD检测中，近期研究采用了多模态整合方法，包括成像模式（MRI、fMRI、面部图像、视网膜图像）、电生理和基于信号的模式（EEG、MEG）、音频和语音数据、视频和行为数据以及遗传信息。多模态整合非常重要，因为ASD在多个方面影响大脑功能、行为和沟通。单一数据源可能无法捕捉所有相关特征，而多模态整合可以全面捕捉这些信息

自闭症谱系障碍（ASD）检测的模型可解释性技术

模型可解释性技术用于理解深度学习模型在ASD检测中的决策过程。深度学习模型是“黑箱”模型，虽然能够准确分类ASD，但无法提供明确的分类依据。为了解决这一问题，引入了可解释性技术来揭示模型的内部工作原理，如图10所示。例如Shapely Additive Explanations（SHAP）和梯度加权类别

临床意义

尽管基于人工智能的ASD检测方法在多种模式下表现出良好的性能，但仍需解决若干实际挑战才能实现成功的临床应用。主要挑战包括不同地点数据采集的异质性、样本量有限以及可能影响模型泛化能力的偏差。此外，模型预测的可解释性对于构建可靠的临床应用至关重要

结论

本文综述了人工智能技术在自闭症谱系障碍（ASD）诊断应用方面的最新进展，特别关注特定模式的数据集、数据处理技术和AI驱动的分类方法。调研涵盖了来自IEEE、Springer、Elsevier等知名学术机构的243篇论文，通过多重筛选机制去除了关于自闭症的冗余信息。ASD是一个复杂的

资金支持

本研究未获得任何公共、商业或非营利机构的专项资助。