基于不确定性引导对比图像注视范式的早期自闭症谱系障碍筛查新方法

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：Uncertainty Inspired Early Autism Spectrum Disorder Screening via Contrastive Image-Viewing Paradigm

　　本研究针对现有自闭症谱系障碍(ASD)筛查方法诊断时间长、准确率低的问题，提出了一种不确定性引导的ASD筛查网络(UASN)和对比图像注视范式。通过设计包含对立语义表征的对比图像刺激和采集2-6岁学前儿童眼动数据构建CI4ASD数据集，实现了对ASD社交和非社交障碍的综合评估。实验结果表明，该方法在缩短诊断时间的同时显著提升了筛查准确率，为ASD早期诊断提供了新思路。

　　

在全球自闭症谱系障碍(ASD)患病率持续攀升的背景下，早期诊断与干预已成为改善预后的关键。然而，传统基于问卷的临床筛查方法如社交反应量表(SRS-2)和重复行为量表(RBS-R)存在主观性强、耗时长等局限。近年来，眼动追踪技术通过揭示ASD患者独特的视觉偏好特征，为客观诊断提供了新途径。但现有方法仍面临两大挑战：一是刺激范式多聚焦社交障碍而忽视系统化能力评估，二是深度学习模型未能充分考虑个体差异对诊断效果的影响。

针对这些难题，发表于《IEEE Transactions on Neural Systems and Rehabilitation Engineering》的最新研究提出了一种创新解决方案。该研究团队首先设计了一种对比图像注视范式，将表达相反语义的图像（如积极/消极面部表情、整齐/混乱场景）进行拼接，同步揭示ASD患者的社交互动障碍和重复兴趣特征。基于此范式，他们招募了2-6岁ASD与典型发育(TD)幼儿，构建了首个面向学龄前儿童的CI4ASD眼动数据集。

在算法层面，研究人员开发了不确定性引导的ASD筛查网络(UASN)，首次将数据不确定性概念引入ASD筛查领域。该网络通过计算每个刺激对个体识别的贡献度，动态调整训练损失权重，并设计个性化在线诊断协议，显著提升了筛查效率。特别值得关注的是，UASN创新性地采用实时更新的刺激推荐策略，能够根据受试者的历史注视行为自适应调整图像呈现序列，使诊断时间减少约80%的同时保持高准确率。

关键技术方法包括：1）基于ResNet-50和LSTM的时空特征提取网络；2）通过计算个体注视图与群体平均图的余弦相似度量化数据不确定性；3）结合截断加权损失函数优化模型训练；4）构建包含33名ASD和26名TD幼儿的临床队列（样本来源：北京安定医院及北京7区妇幼保健中心）；5）使用SMI IView X RED眼动仪采集120Hz采样率的眼动数据。

研究结果验证了所提方法的有效性：

一、范式比较分析

在Saliency4ASD和CI4ASD数据集上的实验表明，UASN-Dynamic模型在CI范式下取得最佳性能，受试者水平准确率达93.2%，AUC_S达97.8%。对比传统自由观看(IV)范式，CI范式使用更少图像（30 vs 50）却获得更高指标，证明对比刺激能更有效激发ASD特异性注视模式。

二、视觉偏好表征

通过热力图和扫描路径可视化发现，ASD幼儿在观看面部表情对比图像时，更倾向于注视背景而非社交信息区域（眼、鼻、口）；在场景对比图像中则明显偏好整齐排列侧。统计显示ASD组对整齐场景的注视点数量显著高于TD组（p<0.05），印证了其系统化能力特征。

三、不确定性效用

将图像按不确定性分级后，高区分度组（top-10）的扫描路径水平AUC_I达76.3%，显著优于低区分度组。这表明不确定性估计能有效筛选出对诊断最具贡献的刺激材料。

四、亚组分析结果

面部表情对比图像在识别ASD方面表现更优（AUC_I=73.9%），而场景对比图像在总体准确率上更具优势。两类刺激互补揭示了ASD双核心障碍特征，证实了范式设计的科学性。

研究结论强调，通过融合创新性眼动范式与不确定性引导算法，该工作实现了ASD筛查从"一刀切"到个性化诊断的转变。特别是针对2-6岁幼儿的早期筛查能力，为关键干预期提供了技术支撑。未来可进一步探索多模态数据融合与跨年龄验证，推动ASD筛查向精准化、智能化方向发展。