• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.100.2020.tde-14122020-231950
Documento
Autor
Nombre completo
Thiago Victor Cardoso
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Paulo, 2020
Director
Tribunal
Marques, Fátima de Lourdes dos Santos Nunes (Presidente)
Costa, Rosa Maria Esteves Moreira da
Ferreira, Deller James
Título en portugués
Auxílio ao diagnóstico do Transtorno do Espectro Autista com base em trajetórias provenientes de rastreamento do olhar
Palabras clave en portugués
Aprendizado de máquina
Atenção compartilhada
Desenvolvimento típico
Processamento de imagens
Random forest
Rastreamento do olhar
Trajetória
Transtorno do espectro autista
Resumen en portugués
O uso do Eye Tracking (ET) tem sido investigado como mecanismo auxiliar para diagnóstico do Transtorno do Espectro Autista (TEA). Por meio de imagens estáticas ou vídeos usados como estímulo, o olhar é rastreado e os dados obtidos são analisados por técnicas diversas. Um dos paradigmas investigados usando ET é a Atenção Compartilhada (AC), a qual refere-se a momentos em que indivíduos estão focados no mesmo alvo, de modo que ambos estão cientes que o foco de atenção é compartilhado. As ferramentas computacionais que visam auxiliar o diagnóstico de TEA têm utilizado técnicas de Processamento de Imagens e Aprendizado de Máquina para processar imagens, vídeos e sinais de ET. No entanto, o paradigma de AC ainda é pouco explorado e apresenta desafios, pois é necessário analisar a trajetória do olhar, exigindo abordagens inovadoras. O objetivo deste projeto é propor um modelo capaz de extrair características de um vídeo usado como estímulo para verificar a AC e classificar indivíduos como pertencentes ao grupo TEA ou Desenvolvimento Típico (DT). O principal diferencial em relação às abordagens da literatura é a definição e implementação do conceito de Regiões de Interesse flutuantes, que possibilitam o acompanhamento do olhar em relação a um objeto, considerando a sua semântica, mesmo que o objeto apresente características distintas ao longo do vídeo. Um modelo baseado em Comitê de Máquinas usando o algoritmo Random Forest foi implementado para classificar indivíduos como TEA ou DT usando as características de trajetória extraídas dos sinais de ET. O método alcançou 0,75 de acurácia e 0,82 de F1-score, indicando que a abordagem proposta, baseada em trajetória e AC, apresenta potencial para aplicação no auxílio ao diagnóstico de TEA
Título en inglés
Aid to diagnosis of Autism Spectrum Disorder based on trajectories of eye tracking
Palabras clave en inglés
Austism spectrum disorder
Eye tracking
Image processing
Joint attention
Machine learning
Random forest
Trajectory
Typical development
Resumen en inglés
The use of Eye Tracking (ET) has been investigated as an auxiliary mechanism to diagnose Autism Spectrum Disorder (ASD). Through static images or videos used as a stimulus, the gaze path is tracked and the data obtained are analyzed by different techniques. One of the paradigms investigated using ET is Joint Attention (JA), which refers to moments when two individuals are focused on the same object/event so that both are aware that the focus of attention is shared. The computational tools that assist in the diagnosis of ASD have used Image Processing and Machine Learning techniques to process images, videos and ET signals. However, the JA paradigm is still little explored and presents challenges, as it requires analyzing the gaze trajectory and needs innovative approaches. The purpose of this project is to propose a model capable of extracting characteristics from a video used as a stimulus to verify JA and classify individuals as belonging to the ASD or Typical Development (TD) group. The main differential in relation to the approaches in the literature is the definition and implementation of the concept of floating Regions of Interest, which allows monitoring the gaze in relation to an object, considering its semantics, even if the object presents different characteristics throughout the video. A model based on Ensemble Method using the Random Forest algorithm was implemented to classify individuals as ASD or TD using the trajectory characteristics extracted from the ET signals. The method reached 0.75 accuracy and 0.82 F1-score, indicating that the proposed approach, based on trajectory and JA, has the potential to be applied to assist in the diagnosis of ASD.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2021-09-10
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2021. Todos los derechos reservados.