Aperçu: G.M.
La thérapie assistée est de plus en plus utilisée dans les "troubles du spectre de l'autisme" (TSA) pour améliorer les interactions sociales et les compétences de communication au cours des dernières années. De nombreuses études ont prouvé que la forme de jeux de thérapie interactifs avait un effet positif sur les enfants autistes. Ainsi, notre étude a fourni un système thérapeutique assisté basé sur l'apprentissage par renforcement (AR) pour les enfants avec un diagnostic de TSA (dTSA), qui comporte cinq sous-jeux interactifs.
Comme on le sait, il est nécessaire d’établir et de maintenir des interactions convaincantes dans le processus thérapeutique. Par conséquent, nous visons à adapter le contenu interactif aux émotions des enfants autistes. Cependant, en raison des différences atypiques et inhabituelles chez les enfants autistes, la plupart des systèmes reposent sur la formation hors ligne de petits échantillons de personnes et sur la reconnaissance en ligne, de sorte que les systèmes assistés existants sont limités dans leur capacité à mettre à jour automatiquement les paramètres système des nouvelles cartographies. .
L'intégration de l'AR et de la régression vectorielle à l'aide de réseaux de neurones convolutionnels (CNN) a été utilisée pour traiter la mise à jour en ligne des poids du modèle de prédiction. Les étiquettes des émotions normalisées ont été évaluées par les thérapeutes.
Onze enfants autistes en tant que sujets ont été invités à cette expérience et ont capturé des images vidéo du visage. L'expérience a duré cinq semaines de thérapie assistée intermittente et les résultats ont été évalués pour le système et l'effet de thérapie.
Enfin, nous avons obtenu une réduction générale de l’erreur quadratique moyenne des résultats et des étiquettes de prévision du modèle.
Bien qu'il n'y ait pas de différence significative dans les scores de l'Échelle de sensibilité sociale (SRS) avant et après la thérapie assistée (valeur p = 0,60), chez les sujets (Sub. 1, Sub. 2 et Sub.3), le score total de SRS est significativement réduit (Baisse moyenne de 19 points).
Ces résultats démontrent l'efficacité du modèle de prédiction basé sur AR et montrent la faisabilité du système thérapeutique assisté chez les enfants autistes.
Comme on le sait, il est nécessaire d’établir et de maintenir des interactions convaincantes dans le processus thérapeutique. Par conséquent, nous visons à adapter le contenu interactif aux émotions des enfants autistes. Cependant, en raison des différences atypiques et inhabituelles chez les enfants autistes, la plupart des systèmes reposent sur la formation hors ligne de petits échantillons de personnes et sur la reconnaissance en ligne, de sorte que les systèmes assistés existants sont limités dans leur capacité à mettre à jour automatiquement les paramètres système des nouvelles cartographies. .
L'intégration de l'AR et de la régression vectorielle à l'aide de réseaux de neurones convolutionnels (CNN) a été utilisée pour traiter la mise à jour en ligne des poids du modèle de prédiction. Les étiquettes des émotions normalisées ont été évaluées par les thérapeutes.
Onze enfants autistes en tant que sujets ont été invités à cette expérience et ont capturé des images vidéo du visage. L'expérience a duré cinq semaines de thérapie assistée intermittente et les résultats ont été évalués pour le système et l'effet de thérapie.
Enfin, nous avons obtenu une réduction générale de l’erreur quadratique moyenne des résultats et des étiquettes de prévision du modèle.
Bien qu'il n'y ait pas de différence significative dans les scores de l'Échelle de sensibilité sociale (SRS) avant et après la thérapie assistée (valeur p = 0,60), chez les sujets (Sub. 1, Sub. 2 et Sub.3), le score total de SRS est significativement réduit (Baisse moyenne de 19 points).
Ces résultats démontrent l'efficacité du modèle de prédiction basé sur AR et montrent la faisabilité du système thérapeutique assisté chez les enfants autistes.
Comput Assist Surg (Abingdon). 2019 Aug 14:1-11. doi: 10.1080/24699322.2019.1649072.
Assisted therapeutic system based on reinforcement learning for children with autism
Author information
- 1
- a School of Computer and Communication Engineering, University of Science and Technology Beijing , Beijing , China.
- 2
- b Peking University Institute of Mental Health , Beijing , China.
Abstract
Assisted therapy is increasingly used in autism
spectrum disorders (ASD) for improving social interaction and
communication skills in recent years. A lot of studies have proven that
the form of interactive games for therapy has a good effect on children
with autism.
Thus, our study provided an assisted therapeutic system based on
Reinforcement Learning (RL) for children with ASD, which has five
interactive subgames. As is well known, it is necessary to establish and
maintain compelling interactions in therapeutic process. Therefore, we
aim to adjust the interactive content according to the emotions of
children with autism. However, due to the atypical and unusually differences in children with autism,
most systems are based on off-line training of small samples of
individuals and online recognition, so the existing assisted systems are
limited in their ability to automatically update system parameters of
new mappings. The integration of RL and Convolutional Neural Network
(CNN)-Support Vector Regression (SVR) was used to deal with the updating
online of prediction model's weights. The normalized emotion labels
were evaluated by the therapists. Eleven children with autism
as subjects were invited in this experiment and captured facial video
images. The experiment lasted for five weeks of intermittent assisted
therapy, and the results were evaluated for the system and the therapy
effect. Finally, we achieved a general reduction in the root mean square
error of the model prediction results and labels. Although there is no
significant difference in Social Responsiveness Scale (SRS) scores
before and after assisted therapy (p value = 0.60), in individual
subjects (Sub. 1, Sub. 2 and Sub.3), the SRS total score is
significantly reduced (Average drop of 19 points). These results
demonstrate the effectiveness of prediction model based on RL and show
the feasibility of assisted therapeutic system in children with autism.
- PMID:31411501
- DOI:10.1080/24699322.2019.1649072
