基于眼动追踪技术的孤独症谱系障碍儿童面孔异常加工识别研究

摘要 目的：研究孤独症儿童对社交面孔的加工特点。 方法：招募3—6岁孤独症儿童59名和性别年龄相匹配的正常儿童66名，采用眼动追踪技术记录注视过程，比较两组儿童注视差异，计算孤独症儿童眼动注视指标与量表的相关性，以及使用机器学习进行分类的准确率。 结果：①与正常儿童相比，孤独症儿童更少地注视脸部、眼睛、嘴巴等社会信息丰富区域，而更多地注视背景、身体等社会信息贫乏区域；②孤独症儿童的注视时间与量表分数具有一定的相关性并且孤独症儿童的注视具有一定的偏侧性；③眼动注视时间可以提供较多的信息来区分孤独症儿童和正常儿童，支持向量机（SVM）最高分类准确率为78.60%。 结论：孤独症儿童在面孔注视上存在缺陷；部分量表得分可以预测孤独症儿童的症状严重程度；SVM算法可以作为对孤独症儿童和正常儿童进行分类的辅助工具。