Artigo
original: “Computer Vision Tools for Low-Cost and Noninvasive Measurement of
Autism-Related Behaviors in Infants”
Autores: Jordan Hashemi,1 Mariano Tepper,1
Thiago Vallin Spina,2 Amy Esler,3 Vassilios Morellas,4 Nikolaos
Papanikolopoulos,4 Helen Egger,5 Geraldine Dawson,6 and Guillermo Sapiro7
1
Department of Electrical and Computer Engineering, Duke University, Durham, NC
27708, USA
2
Institute of Computing, University of Campinas, 13083 Campinas, SP, Brazil
3
Department of Pediatrics, University of Minnesota, Minneapolis, MN 55455, USA
4
Department of Computer Science and Engineering, University of Minnesota,
Minneapolis, MN 55455, USA
5
Department of Psychiatry and Behavioral Sciences, Duke University, Durham, NC
22708, USA
6
Department of Psychiatry and Behavioral Sciences and School of Medicine, Duke
University, Durham, NC 27708, USA
7
Department of Electrical and Computer Engineering, Department of Computer
Science, and Department of Biomedical Engineering, Duke University, Durham, NC
27708, USA
Received
19 November 2013; Revised 30 April 2014; Accepted 13 May 2014; Published 22
June 2014
Academic
Editor: Herbert Roeyers
Copyright
© 2014 Jordan Hashemi et al.
LINK:
https://downloads.hindawi.com/journals/aurt/2014/935686.pdf
O
estudo contou com 29 crianças autistas e 29 crianças neurotípicas.
O
objetivo dessa pesquisa é identificar o autismo por meio da análise do tempo e da
forma que uma criança observa um objeto utilizado a tecnologia do Machine Learning
aliada à análise de um psicólogo examinador especialista, um psiquiatra de crianças
adolescentes e dois estudantes de
psicologia.
A
tecnologia do Machine learning identificava inicialmente o olho esquerdo, nariz
e orelha esquerda das crianças, e acompanhava por meio deles os movimentos de
sua face. Em casos de falha, eram identificados ambos os olhos, a orelha
esquerda e o nariz.
Inicialmente,
eram apresentados brinquedos chamativos e chocalhos para atrair a atenção da
criança, e depois ele era posicionado na linha dos olhos da criança, e levado
de um lado para o outro. Avaliou-se o tempo que a criança demorava para começar
a acompanhar o movimento do objeto com os olhos por meio dos movimentos de sua
cabeça.
Esse
tempo era categorizado em “passed” (1s), “delayed” (1s a 2s) e “stuck” (mais de
2s). Notou-se que as crianças autistas demoravam mais para começar a acompanhar
o movimento do brinquedo com os olhos.
Depois
disso, foi apresentado à criança um segundo objeto, e avaliou-se o tempo levado
para a troca de foco no olhar, do chocalho para o segundo objeto.
0,7
segundos eram considerados “normais”, 1,3 segundos ou mais eram considerados um
atraso.
Esse
estudo possibilitou a previsão do autismo nas crianças com 88,51% de certeza.
Destacou-se também o menor contato visual das
crianças autistas com os olhos dos rostos apresentados.
Caso
essa pesquisa fosse reavaliada em diferentes países e com um maior número de crianças,
ela poderia ser considerada um meio confiável e pouco trabalhoso para a
identificação do autismo, facilitando assim o diagnóstico precoce da condição.
