自閉症行動検出の新アプローチ：フレームレートとデータ拡張戦略の効果は？

自閉症関連の自己刺激行動を検出するためのフレームレートとデータ拡張戦略が評価された

元記事タイトル: 自閉症関連の自己刺激行動を検出するためのフレームレートの影響評価

arXiv cs.AI 2026年07月11日

査読未完了の可能性があります。完成した査読済み論文としてではなく、研究コミュニティ向けの早期共有として読んでください。

RESEARCH 研究論文 / Preprint

Field Note 読む前に確認

3行まとめ

LSTMとGRUモデルは、CNNよりも高い精度で自己刺激行動を分類した
最適なフレームレートは15フレーム間隔であることが判明した
データ拡張戦略の効果が量的に評価され、上流処理の必要性が示された

こんな人に関係ある話

医療専門家 AI研究者自閉症スペクトラム障害（ASD）患者の家族

信頼度メモ

プレプリント論文（査読前の可能性あり）

記事の読み解き Reading

元記事を材料に、要点、編集視点、良い点と懸念点を読みやすい順に整理しています。

この研究では、自閉スペクトラム障害（ASD）に関連する自己刺激行動を自動的に検出するために、視点に基づく分類におけるフレームレートの効果を評価しています。LSTMとGRUモデルがSSBDデータセットから抽出されたポーズ特徴を使用して訓練され、最適なネットワークアーキテクチャと時間サンプリングレートが特定されました。また、小規模な行動データセットに対するデータ拡張戦略も検討され、上流処理の必要性が示されました。

編集部コメント

自閉症スペクトラム障害（ASD）に関連する自己刺激行動の自動検出は、リモートでのスクリーニングに大きな可能性を秘めています。この研究では、フレームレートとデータ拡張戦略が重要な役割を果たすことが示されました。

評価ポイント Assessment

良い点

LSTMとGRUモデルはCNNよりも高い精度を達成した
フレームレート15で最高精度を記録した
データ拡張戦略の効果が量的に評価された

業界・社会への影響 Impact

この研究は、自閉症スペクトラム障害（ASD）に関連する自己刺激行動の自動検出に新たなアプローチを提供し、リモートでの行動スクリーニングの可能性を高めます。これにより、早期発見と介入が可能になり、患者の生活質の向上につながる可能性があります。

参照元 Sources

元記事と、深堀りで参照した情報源です。コミュニティ投稿やプレプリントでは、ここから根拠を確認できます。

自閉症関連の自己刺激行動を検出するためのフレームレートの影響評価

arXiv cs.AI

https://arxiv.org/abs/2607.07957

この記事の見取り図

読む前に確認
記事の読み解き
参照元
AI要約について
関連記事

キーワード

ASD 自閉症スペクトラム障害自己刺激行動 LSTM GRU CNN

AI要約について

本記事の要約・分類・読み解きにはAIを使用しています。内容確認に努めていますが、誤訳・解釈違い・元記事更新の反映漏れを含む可能性があります。重要な判断を行う場合は、必ず元記事もご確認ください。

速報について — 速報は追加調査や本文抽出の結果で内容が更新される場合があります。初期要約には誤りや不足が含まれる可能性があります。

記事データ

Source	プレプリント
Category	研究論文
Status	速報
出典	arXiv cs.AI
公開日	2026-07-11

元記事の説明文

arXiv:2607.07957v1 Announce Type: new Abstract: Autism spectrum disorder (ASD) affects over 75 million individuals worldwide, yet scalable computational methods for remote behavioral screening remain limited. This study addresses two complementary challenges in automated detection of autism-related self-stimulatory behaviors from video: (1) identifying the optimal sequence-based neural network architecture and temporal sampling rate, and (2) characterizing data augmentation strategies for training on small behavioral datasets. For the first objective, long short-term memory (LSTM) and gated recurrent unit (GRU) models were trained on pose-derived features from the Self-Stimulatory Behavior Diagnosis (SSBD) dataset at frame sampling intervals of 1, 5, 15, 30, 45, and 90 frames. Both architectures exceeded prior convolutional neural network (CNN) baselines (62-76% accuracy), with peak accuracies of 97.5% (LSTM) and 98.75% (GRU) at a sampling interval of every 15 frames. For the second objective, ten data augmentation strategies were applied to an I3D transfer learning pipeline, with an ablation study quantifying the marginal contribution of each technique. Horizontal flip achieved the highest standalone accuracy (48.78%), while exclusion of upsampling from the augmentation pipeline produced the largest performance degradation, indicating its necessity for complex behavioral video augmentation. A personalized machine learning approach, in which per-subject models were trained and tested on temporally split segments of each video, produced consistent predictions (mean loss 1.84, SD 0.79). These results provide practitioners with concrete guidance on architecture selection, sampling rate, and augmentation strategy for video-based behavioral classification in data-scarce clinical domains.