自閉症スペクトラム障害のある子供を特定するための顔の特徴検出システム：深い学習モデル

自閉症スペクトラム障害（ASD）は、脳の発達に関連する神経発達障害であり、その後顔の物理的外観に影響します。自閉症の子供には、顔の特徴が異なるパターンを持っているため、典型的に発達した（TD）子供とは際立っています。この研究は、簡単な技術を使用して家族や精神科医が自閉症を診断するのを支援することを目的としています。つまり、転送学習とフラスコフレームワークを備えた畳み込みニューラルネットワークを使用して、実験的にテストされた顔の特徴に基づいて自閉症を検出するための深い学習ベースのWebアプリケーションです。Mobilenet、Xception、およびInceptionV3は、分類に使用される前提型モデルでした。顔の画像は、Kaggleの公開されているデータセットから撮影されました。これは、不均一な子供のグループの3,014の顔の画像、つまり1,507人の自閉症の子供と1,507人の非自治の子供で構成されています。検証データの分類結果の精度を考えると、MobileNetは95％の精度に達し、Xceptionは94％を達成し、InceptionV3は0.89％に達しました。

Autism spectrum disorder (ASD) is a neurodevelopmental disorder associated with brain development that subsequently affects the physical appearance of the face. Autistic children have different patterns of facial features, which set them distinctively apart from typically developed (TD) children. This study is aimed at helping families and psychiatrists diagnose autism using an easy technique, viz., a deep learning-based web application for detecting autism based on experimentally tested facial features using a convolutional neural network with transfer learning and a flask framework. MobileNet, Xception, and InceptionV3 were the pretrained models used for classification. The facial images were taken from a publicly available dataset on Kaggle, which consists of 3,014 facial images of a heterogeneous group of children, i.e., 1,507 autistic children and 1,507 nonautistic children. Given the accuracy of the classification results for the validation data, MobileNet reached 95% accuracy, Xception achieved 94%, and InceptionV3 attained 0.89%.