人工智能辅助检测儿童自闭症谱系障碍

人工智能技术能够辅助专家诊断骨折、血凝块、肿瘤等，也可以用来辅助诊断自闭症谱系障碍（ASD，Autism Spectrum Disorder）。

ASD是一种复杂的神经发育障碍，始于幼儿时期，并且伴随一生。其特点是社会交流和互动困难、行为和兴趣模式重复，影响患者的社交、沟通、学习、适应性发展等。“谱系”一词指 ASD儿童可能具有的各种症状、技能、损伤或残疾程度。据估计，美国每42名男孩中就有1人确诊ASD，而女孩的比例则为1/189。中国的相关数据暂未查到。

尽早识别ASD儿童并开始干预很重要，早期干预以及持续的教育治疗可以帮助个人发挥潜力，并获得最佳生活质量。然而，ASD的诊断十分困难，无法使用血液检查或脑部扫描等常规方法，需要经验丰富的专家大量观察有关儿童的行为才能作出诊断。

专家认为，ASD患者有明显的面部特征，可以用来辅助诊断自闭症。2019年，美国人Gerry在Kaggle网站上发布了一个名为《通过人脸图像检测自闭症》的数据集，旨在用人脸特征训练人工智能算法模型，辅助父母和专家高效、免费、及时地筛查ASD儿童。

自闭症儿童数据集

非自闭症儿童数据集

该数据集大约有3000张人脸图像，按训练集、验证集、测试集分为三组，每组按自闭症和非自闭症对半分为两类。该数据集的大多数图片来自2岁到8岁的幼儿。自闭症组男女照片的比例接近3:1，而非自闭症组的比例接近1:1。白人儿童与有色人种儿童的比例是10:1，接近美国7:1的人口比例。

在Kaggle网站上有很多人针对该任务提交了代码，其中，美国人Mikian Musser的结果如上所示，经过40多次迭代，该模型的预测准确率达到了85%，但是经过60多次迭代后，模型开始过拟合。

结论

尽早识别ASD儿童并开始干预很重要，早期干预以及持续的教育治疗可以帮助个人发挥潜力，并获得最佳生活质量。然而，ASD的诊断十分困难且价格昂贵。幸运的是，人脸特征与自闭症之间存在一定的相关性，我们可以利用人脸特征数据集训练人工智能算法模型，辅助父母和专家高效、免费、及时地筛查ASD儿童。

数据集：
https://www.kaggle.com/gpiosenka/autistic-children-data-set-traintestvalidate

开源代码：
https://github.com/mm909/Kaggle-Autism