Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/2441| Patrones gestuales para la identificación de autismo en niños Gestural patterns for the detection of autism in children | |
| GLORIA IVONNE MONARCA PINTLE | |
| MONICA ELIZABETH TENTORI ESPINOSA EDGAR LEONEL CHAVEZ GONZALEZ | |
| Acceso Abierto | |
| Atribución | |
| detección de autismo, superficies elásticas, gestos, aprendizaje de maquina autism detection, flexible surfaces, gestures, machine learning | |
| El autismo es uno de los trastornos de desarrollo más frecuentes y su prevalencia va en aumento. En México se estima que 1 de cada 115 niños tiene autismo. El diagnóstico del autismo es una tarea compleja, tardada y subjetiva, se basa en el auto-reporte y la observación de comportamientos. En los últimos años se han realizado investigaciones para encontrar marcadores bio-conductuales computacionales del autismo –un marcador bio-conductual computacional es una característica del autismo que se puede identificar por herramientas computacionales-. En particular se ha encontrado que la fuerza que usan los niños con autismo al jugar en una tableta es diferente a la fuerza que usan los niños neurotípicos. Sin embargo, los gestos realizados en una tableta rígida no brindan información suficiente para evaluar la fuerza que se usa. Las superficies elásticas representan una mejor oportunidad que las tabletas para evaluar aspectos relacionados con la fuerza. En esta tesis se propone la identificación del autismo en niños mediante el análisis de los gestos que realizan al usar una superficie elástica. Durante esta tesis se realizó un estudio en sitio donde participaron 46 niños neurotípicos y 26 niños con autismo. Todos los niños realizaron 7 actividades en una superficie elástica llamada Música Flexible, la cual es una superficie elástica que permite a los niños con autismo crear música y practicar patrones de movimiento. Para analizar los gestos que realizan los niños y evaluar si podemos distinguir autismo, se utilizaron técnicas de aprendizaje de máquina y se realizaron 3 experimentos. Los resultados indican que es posible distinguir entre niños con autismo de niños neurotípicos con una precisión de 97.2 % y una sensibilidad de 94.6%, utilizando la fuerza como variable de control cuando interactúan con una superficie elástica. Un análisis de los patrones gestuales de los niños con autismo al interactuar con una superficie elástica reveló que realizan gestos más pequeños, más angostos y más duraderos. Esto implica que los niños con autismo realizan menos gestos y usan menos fuerza que los niños neurotípicos. Currently, autism is one of the most frequent developmental disorders and its prevalence is increasing. In México 1 out of 155 children has autism. Etiology of autism is multifactorial and yet to be completely determined, consequently there is no cure for autism. Detection, the earliest the better, and subsequent remedial therapies is the only option. However, detection of autism is time-consuming, based on self-reporting and behavioral observation. As a consequence, the detection of autism is highly subjective. In recent years, research has been conducted to uncover the computational bio-behavioral markers associated to autism. A computational bio-behavioral marker is a behavioral feature able to be identified by computational tools. In particular, it has been found that children with autism use a different amount of force than neurotypical children when playing games with a tablet. However, a tablet using a rigid display can hardly uncover the amount of force its users use when manipulating its interface, making elastic surfaces a more appropriate technology to evaluate aspects related to force. In this work, we hypothesize that autism can be detected by analyzing the gestures used by children when interacting with an elastic surface. We conducted a deployment study where 46 neurotypical children and 26 children with autism used an elastic surface called Bendable Sound. Bendable Sound is a spandex fabric that allows children with autism to create music and practice movement patterns. We conducted 3 experiments analyzing our data by participant, gesture, and activity. We were able to distinguish between neurotypical and autistic children with 97.2% precision and 94.6 recall using only the interaction with an elastic surface as diagnostic tool. An analysis of the gestural movement patterns of children with autism shows that they tend to do smaller, narrower and slower gestures than neurotypicals. This implies that children with autism practiced fewer gestures and used less force than neurotypicals. This encouraging result seem to indicate that automated detection of autism is feasible. | |
| 2018 | |
| Tesis de maestría | |
| Español | |
| Monarca Pintle, G.I. 2018. Patrones gestuales para la identificación de autismo en niños. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 95 pp. | |
| INTELIGENCIA ARTIFICIAL | |
| Aparece en las colecciones: | Tesis - Ciencias de la Computación |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| tesis_Monarca Pintle_Gloria Ivonne_05_sep_2018B.pdf | Versión completa de la tesis | 2.73 MB | Adobe PDF | Visualizar/Abrir |