文摘

行为的儿童自闭症谱系障碍(ASD)往往不稳定,很难预测。大多数时候,他们无法有效沟通在他们自己的语言。相反,他们用手势交流,指出短语。正因为如此,很难对护理人员掌握病人的需求,尽管早期检测的条件可以使这个简单得多。辅助技术和物联网(物联网)可以缓解在社区缺乏语言和非语言交流。IoT-based解决方案使用机器学习(ML)和深度学习(DL)算法来诊断,提高病人的生活。一次彻底的审查ASD技术在物联网设备的设置提出了研究。识别重要的趋势IoT-based卫生保健研究是本文的主要目的。还有一个技术分类组织当前文章ASD算法和方法基于不同的因素,如人工智能,党卫军网络,毫升,物联网。标准的基础上,如精度和灵敏度,检查ASD的统计和操作分析技术。

1。介绍

残疾人在社会行为和交互是自闭症的特征。根据乔恩已经获得1),估计1每59被确诊为自闭症谱系障碍的孩子。特殊保健和福利设施所需的所有障儿童超过健康的年轻人(2]。除了限制患者的生活,这个长期条件不利影响照顾者的生活质量(QoL)。病人可以使用基于物联网系统远程监控设备,具有许多有益的特点。所以有许多医疗应用程序利用近年来物联网设备。GPS、心率、麦克风,和耳朵夹(2是一些最常见的物联网传感器用于可穿戴设备如smartwatches和智能手机。传感器和设备用于识别自闭症的年轻人,而不是传统的诊断技术(3,4]。

帮助保护青少年发展中危及生命的疾病,几项研究已经在过去的十年里进行的。然而,没有重大突破。因此,协助病人最重要的组成部分是早期诊断和提高病人的生命质量。自闭症儿童经常误诊直到两岁(4]。因此,他们仍然无法开展日常工作。因此,本文讨论几个自闭症儿童物联网设备技术评估和对比新方法检测障碍或提高个人的生活质量已经诊断(4,5]。物联网是使用人工智能、机器学习、学生网络,深度学习识别和保护病人免受身体和情绪问题(5]。病人的生命体征都聚集在这些系统中,然后使用各种机器学习和深入学习算法选择最适当的反应。他们甚至可以帮助自闭症的早期检测。自闭症儿童有危险行为执行当他们生气的时候,这可能损害他们的身体健康。警报发送给管理者和医生,通知他们和请求援助的条件。每一个这些IoT-based设备监测人体的生命体征和记录任何变化根据各种标准(例如,敏感性、特异性、时间和准确性)(6]。

据我们所知,ASD的方法并没有被广泛地研究过了。在这个工作中,系统的文献回顾的方法(SLR)提出了这样开发可穿戴设备和手机等技术可以用于自闭症研究。一个技术分类(6,7)描述了现有ASD的分类方法和算法采用IoT-based设备和ML / DL。通过使用党卫军网络在卫生部门,增加沟通和协作,与人分享信息相似的条件和卫生保健专业人士分享他们的护理和治疗的知识。因此,更好的健康决策。

ASD的方法分为两大类:如何识别和监控疾病严重程度在ASD患儿和程序改善自闭症儿童的生活质量(6]。

在ASD单反的重大贡献方法如下:(我)提供ASD的概述和分析技术采用IoT-based设备,28毫升和DL算法,和出版物(2)IoT-based ASD技术分类方法和算法(3)技术接受如物联网、ML、人工智能和SS网络中使用的方法(iv)讨论和分析技术方面的研究

以下是这篇论文的结构:部分2提出了文献之回顾,其次是部分3解释研究的策略和方法。部分4礼物ASD技术分类方法,以及对比和总结研究基于的分类提供了在前一节中。研究论文的评审后,部分5给出了一个分析评论。部分6讨论未解决的困难和新的障碍与自闭症谱系障碍(ASD)的细节。最后,在节7研究接近尾声,结论。

2。文献综述

护理人员处理自闭症儿童和家庭面临的一个最具有挑战性和难度的挑战。使用物联网系统近年来吸引了很多感兴趣的。自闭症的治疗和诊断的重点刊物,但只有少量的相关研究已经提出了研究ASD以同样的方式。

Badotra et al。8)解决问题广泛的智能设备,传感器和系统连接到健康问题,这对我们的研究是密切相关的。物联网(物联网)已经成为现代信息技术,根据(7]。最有趣的一个用途越来越多的可穿戴传感器在医疗是将收集的数据存储等生理参数监测心率。物联网、云计算、无线身体区域网络(WBAN)是这项技术的主要成分(WBAN)。IoT-powered无线“党卫军网络”依赖于机器学习技术的有效性,因为有很多数据需要明智地管理。

Kollias et al。9]证明ASD患儿,如痴呆和阿尔茨海默氏症,也体验健忘。因此,个人更有可能遇到危险的情况下,比如逃离家园。另一方面,这种技术允许ASD患儿仍在他们的舒适地带。Alzimio,解决基于物联网设备,提出了解决这些问题。使用一个方法由Aisuwarya巽他群岛等。10),患者的确切位置可以显示智能手机的医疗专业人员。当病人已经离开自己的舒适区,这些系统可能的援助。

数据挖掘方法像分类、回归和聚类是使用Farooqi et al。11早期诊断自闭症。对病人和他们的职业生涯,早期发现ASD提供适当的教育和支持是至关重要的。最准确的诊断,他们的研究发现分类算法是最好的。

利用数据挖掘工具,黄等。12]研究孤独症治疗方法在适当的行为的影响。自闭症儿童可以使用这种方法预测和更好的理解。在这些技术的基础上,他们可以区分被认为可接受和不可接受的行为。

Kaur et al。13]分析了45论文监督机器学习和分类技术应用于自闭症。决策树支持向量机,随机森林,至少绝对收缩和选择算子(套索),神经网络(NN),回归,有条件的森林(CF)、中殿贝叶斯(NB),弹性净回归(硅谷动力),随机树,Flex树是最使用的模型。83个出版物发表在2000年的调查是由Koumpouros和同事作为研究对象。ASD的论文致力于干预治疗可穿戴技术和计算机能力14]。

一个自闭症孩子可以受益于Robota机器人玩具,这是用于(15)来演示极光项目的潜力。评估元素称为谈话分析(CA)是用于研究三个自闭症儿童的发展。结果,他们逐渐认识到年轻人实际上是与成人交流机器人。一个自闭症孩子的共同注意力不仅是定义在这项研究中,但计算机和机器人也显示出治疗ASD。

3所示。方法

综合文献综述当前广告提供的技术方法(16在这一节中使用。单反是编制相关文件,确定具体的研究问题和问题进一步调查。三个步骤是描绘在图1方法:收集、提炼和分析。

今年3月,我们开始寻找相关的文章。ScienceDirect, ACM和IEEE,施普林格,谷歌学者,威利和斯高帕斯也重要的数据源和资源。根据各种各样的纳入和排除标准,超过65的出版物进行了分析,以确定哪些研究最相关的审查文学。物联网设备的使用在自闭症谱系障碍(ASD)研究了分阶段从2014年到2020年3月。PICO石(17]利用物联网、可穿戴传感器、机器人治疗,智能手机,智能手表,和Kasper机器人为了雇佣最相关的关键词。调查和审查论文,以及作品中除英语之外的其他上下文或通过其他比同行评审,也撤回。最后,28日文章IoT-based相关产品和ASD(图的诊断和治疗2)检索。下面的图2,ASD调查用人IoT-based设备平均需要两年完成(18]。图表显示2轴的 - - - - - -轴表示数量的论文数量和 - - - - - -轴表示从2014年到2022年。

最后选择的研究取得了以下研究如图28日1和2。(我)统计,正式的、基于仿真和实现研究方法已被提出(2)所有出版物的最终版本是必需的(3)这是发表在ASD的主题

对于每一个研究研究,分析内部和外部的问题是链接到ASD的单反技术方法的技术特点。这些问题被用来进行学习研究。(一)哪些方法对自闭症谱系障碍正在讨论和综述了分析?(b)哪些技术和过程用于治疗自闭症谱系障碍?(c)ASD性能指标是什么?(d)找出哪些科学期刊或会议上发表基于自闭症?(e)ASD技术使用的平台和传感器?

4所示。自闭症谱系障碍的方法

孤独症是一种无法治愈的条件是要求患者的处理他们的生活。如果你能预见立即治疗程序应该被使用,您可以迅速采取行动,实施。在本部分中,有很多关注自闭症的研究。出版物需要更彻底地研究为了提高自闭症治疗的方法。根据图3,我们的研究方法包括下面两个元素:方法诊断和评估自闭症儿童的严重程度和编程提高自闭症儿童的生活质量。后研究用各种各样的方式实现这些目标,包括数据挖掘,特征选择,遗传算法,报道DL,虚拟现实,面向对象,EEG(脑电图)和点对点(P2P)。

4.1。ASD患儿可能诊断和病情严重程度测量使用各种不同的方法

ASD的预测和监控两个最为棘手的问题。教育和卫生援助部门影响自闭症的影响看待世界的独特方式。与物联网服务,疾病是预期在2 -或3岁的孩子在轻微和严重的范围;然而一直加速的方法。

将受益于这种增强的个人在教育和卫生服务的质量。表1显示了基本概念,实现技术、平台和传感器,检查和评估元素。

提出了可穿戴传感器扫描脑电波Sundhara Kumar和Bairavi18)作为一个框架自动监控的健康问题。看护者自闭症人收到的定期更新他们的亲人的进步。病人的健康处于危险之中时,一个健康描述传达给他们的职业生涯和医生通过传感器监测大脑活动。预测疾病是与大脑数据更准确。

杨et al。19]提出了基于社会感知的可穿戴技术,隐私合并音频特性,环境感知和行为跟踪。语音质量评价和信息没有存储未处理的音频数据,健康监测平台开发了隐私音频幸福的能力。在案例研究中,他们使用Android智能手机和服务器创建一个应用程序,该应用程序解释了长期的生理和心理的数据之间的关系。它也可能被评估在实际人类临床试验。克里希纳和位于20.)也提出了一个物联网监控系统重要的病人指标和卫生情况。这些信息传输到云服务器通过智能手机或其他设备。使用云计算和收集到的指标(如心率、血氧饱和度的百分比,和身体的温度,我们可以确定用户的健康状况。编程的笔记本电脑或智能手机可以用来显示数据从用户的手机。

面向服务的体系结构(SOA)的人一个患有自闭症的条件是由Eshetu et al。21]。在拟议的可穿戴传感器,自闭症人士及其环境可能被监控的生理状态。使用方便和便宜的设备,如智能手机、相机、和其他无线项目,马诺et al。22)开发了一个物联网系统家庭治疗的残疾患者和老年人使用。治疗的病人,他们利用图像处理和嵌入式计算机和辅助在健康家庭的发展。准确性和认知理论强调被作者概述了。帕金森患者以及自闭症儿童,这种疗法能增强面部表情。一些自闭症儿童的行为和反应,如音高,沟通没有话说,和复杂的技术,报道了Lavanya et al。23]。

一个物联网系统,使用一个手表来识别自闭症儿童的刻板行为,Amiri推出了et al。24]。自闭症儿童,哭泣,拍打的手,和绘画是频繁的行为。加速度计在腕表的目的是识别这三个常见的反应。传感器是用来收集数据,随后发送到云进行处理。父母、医生和护理人员将受益于这种技术由于过程变化决策树和改善他们的正确性。当谈到早期检测,Moradi et al。25)使用一个聪明的玩具汽车。玩具车,SVM算法被用来告诉健康儿童和自闭症儿童之间。到目前为止,这种方法最高水平的准确性、敏感性和特异性,基于他们的实验结果。一个自闭症孩子的情绪、注意力和社会关系可以增强较为虚拟世界有几个水平。吸引注意力先用彩色灯光和噪音,大气中侧重于促进社会关系和参与通过允许人们互相接触,互相扔球。当谈到选择决定,这是它!自闭症儿童的恐惧、沮丧和渴望都可能预测与虚拟现实疗法(26]。

使用线性或非线性脑电图变量选择、Abdolzadegan et al。27)开发一个健壮的技术早期自闭症儿童的鉴定使用脑电图数据描述和分析。MI、支持向量机、GA和 - - - - - -最近邻特征选择过程中都是重要的因素(资讯)。在资讯和支持向量机,他们出来了。深层神经网络和混合分类是不被建议的技术支持。

数据分析和机器学习技术是利用Shankar et al。28)来创建一个模式诊断自闭症的婴儿。其结构也使得广泛使用的基于svm训练的数据模型和数据分析。它能够达到的精度89%,但需要改进使用DL和生物医学成像以更有效率。Praveena et al。29日]ML算法用于早期诊断自闭症提供最有效的治疗条件。他们用UCI数据集测试他们自己的方法。该技术可用于与其他孤独症谱系障碍的诊断工具,如脑电图、磁共振成像扫描。支持向量机和DL算法,特别是一个情报侦探需要构造。

4.2。ASD患儿可能诊断和病情严重程度测量使用各种不同的方法

自闭症是一个必须解决的严重问题。很少有研究关注一些重要因素有关自闭症谱系障碍的儿童的生活质量。表2这些研究提供了更多信息。

一个物联网系统被阿拉姆et al。30.]。自闭症的症状和无处不在的传感器节点收集的指标在信仰规则库(马上回来)为了分类不同的孤独症孩子的种类。他们监测心率、社会接触,与各种设备和其他活动。规则的重量和病人相信水平系统的标准。然而,传感器和物联网系统可以被用来提高准确性。对于自闭症儿童,拉赫曼和下榻的饭店31日)开发了一个个人需要平台,评估生理信号,利用收集的数据和聚合应用程序。可穿戴系统的设计了一系列传感器,多个集成可穿戴传感器,和医疗服务器发现自闭症儿童的健康状态。传感器和其他嵌入式设备中使用多通道智能模式,提高患者的日常活动。适合实验室使用的耐磨特性不能用于工作场所或日常活动。可穿戴设备由史等。32)也被用于在教室学习的交互和自闭症儿童的行为。强迫性精神障碍(ASD)患者可以提高他们的社交技巧使用的技术。使用此策略,教师获得最好的反馈和响应,使课堂参与。

一个模糊烟灰墨等人开发的辅助方法。33减少依赖用户的数量。为了恢复秩序,从众多的传感器系统收集数据并将其传输到协助人员。如果一个孩子是损坏或伤害,助手会立即提醒由于穿着传感器。使用ASD的面部表情和肢体动作,唐(34)开发了一个IoT-based方法理解的情绪。这是一个困难的挑战神经正常的人,因此他们评估各种传感器将情感标签添加到情感API和系统训练预测情感。对于那些自闭症,一个图像交换通信系统由唐宋Winoto [35)可以帮助他们表达自己以及帮助家人,管理者和教师在使用该系统。由于收集的数据传感仪器,自闭症患者的描述被自动发送到他们的助手们如果社会交流是在一个贫穷的国家。然而,传感器在使用不提供足够的覆盖所有潜在的致命的场景。

地理围墙安全区和活动识别的影响在阿尔茨海默氏症等疾病的自闭症,和痴呆也证明了Kollias et al。9),他创建了一个智能手机应用程序。IoT-based软件,Azimo,应该能够运行在各种各样的各种设备。作者开发了一个Android应用程序通过分析活动检测算法和提高精度和效率用最少的延迟。一个教学平台是由刘et al。36]。研究人员创建了一个机器人,可以模仿ASD,反之亦然。作为一个老师,教练,请求等,机器人模仿自闭症孩子的活动为了更好地理解他们。改善自闭症儿童社会交往和模仿能力,以及照顾者行为分析和反馈,使用运动学习技巧。然而,通过从事更复杂的对话,可以提高DL和神经语言处理。

物联网设备的能源路线和生活平衡被Einarson强调作为解决et al。37]。原型系统是物联网的常见和底层结构的影响。基于检测的压力,他们建议提高参与活动的目标终端用户和连接配件。利用物联网,Badotra和熊猫38开发了一种面向对象的智能工具,对提高生活质量有直接影响的自闭症的人他们使用平台和智能对象分类的各种自闭症。有三个主要类型的有益技术和对象:社会互动增强,学习的支持者,威慑行为。这种分类帮助根除的特定要求每个自闭症和受损的人44]。

一个物联网和所提方法改善自闭症儿童的生活质量(QoL)报道了苏拉et al。39]。产品和技术像手机、笔记本电脑和触摸屏平板电脑刺激自闭症儿童。孩子们不得不考虑他们行为的后果,感情,和欲望的智能设备引入他们的生活。自闭症儿童的关注和生活质量被认为是提高能力的发展,如数学、语言,和社会化。学生被诊断为自闭症,Badotra和熊猫40)提供了一个环境。物联网和P2P与多样化的视觉系统,如照片、现实的图画,对象,和短语写的,都是他们的战略的一部分。有一些变化研究提供了为了提高和扩大他们的早期作品。例如,他们分析了几个算法的优点和缺点艾滋病为自闭症学生。

Karakosta et al。41卡斯帕·机器人)用于治疗自闭症七个孩子在希腊的一所小学。自发的模仿,病人的人际关系和沟通技巧,促使演讲,和关注研究是否使用卡斯帕·对他们有任何影响。病人的老师们惊讶地发现他们的治疗有很好的影响他们的演讲和沟通能力。眼睛盯着,注意力、模仿和手势识别提示和自发的一些特点他们用来评估他们的表现45,46]。一群23自闭症孩子分为两组:一个用于人类的老师和一个用于机器人。然后他们相比小说的发展和识别手势动作使用这两种技术服务。最后,输入两个团队获得的是相同的。换句话说,孩子的课的结构对手势就能产生实质性的影响学习的儿童自闭症谱系障碍(ASD)。

关于过敏的自闭症谱系障碍,Khullar et al。43)提出了一个物联网的同伴,可以识别和控制病人的环境。感觉信息通过电子传感器检测和检索他们的建议方法。看护者的93%的受访者同意这一技术,但VR,毫升,DL算法可以使它更聪明。(42)提供了一个机器人参与幼儿园自闭症学生的方法加强他们的叙事能力。NAO被用来促进沟通和手势中病人会说中文(47- - - - - -49]。根据研究者的发现,孩子们能够比医生与机器人进行建设性的对话。然而,这项研究的结果并没有显示出显著改善参与者的运动(50,51]。

5。讨论

技术和比较分析当前自闭症的方法了。一些技术和统计回复节中所提出的问题1如下。

5.1。哪些方法对ASD正在讨论和综述了分析?

图4显示的比例目前自闭症的治疗方案。很明显,大多数出版物关注提高自闭症谱系障碍的儿童的生活质量。有16个研究使用这种方法对自闭症的诊断条件。另一方面,总共12出版物检查了所有可能的方法来诊断和测量疾病严重程度。自闭症是一种终身疾病,没有已知的治疗,因此,寻找方法来提高人的生活质量受到影响,这是一个令人信服的理由继续在这一领域的研究。

此外,父母或照顾者识别自闭症及其严重程度的最早年龄3和提供治疗疗法。孤独症的早期发现有许多优势,但[52,53]。

5.2。哪些技术和过程用于治疗自闭症谱系障碍?

根据图5、数据挖掘方法是最受欢迎的就是进一步描述为2轴的 - - - - - -轴表示数量的论文数量和 - - - - - -轴代表不同的方法用于ASD。模式识别算法从大数据中提取有用的信息的主要方式。数据挖掘和医疗保健行业产生了有效的早期识别方法和其他卫生服务技术对临床和诊断数据。同时,挖掘算法包括描述、概括、集群、分类、进化、协会、数据可视化、模式匹配、metarule-guided提取。本研究发现,最常见的利用数据挖掘技术来改善生活质量对儿童自闭症谱系障碍(ASD)。然而,它可以只用于收集信息的可穿戴传感器和智能设备。重要的是要指出,这种技术缺乏足够的智能方法。因为它是一个受控环境中,使用,而不是用于实际的世界。

在这项研究中,第二个和第三个最受欢迎的技术特征选择和报告进行了讨论。可以减少维度通过选择特性的一个子集输入变量使用特征选择技术如遗传算法或其他方法。论文使用机器人来提高患者的生活质量报告方法的来源。它是用来治疗比较人类和机器的印象。因为他们有足够的速度,但仍需要额外的发展,他们是一个可行的选择。

此外,最近的出版物中GA, DL和P2P的方法,为孤独症患者提供各种各样的服务利用人工智能。方法是足够快,但精度不高,不足以用于并行计算完成物联网设备(54]。

5.3。ASD性能指标是什么?

研究论文已经回顾了基于各种质量特性如灵敏度、准确性、反应和特异性时间ASD的方法,如图6。根据我们的发现,反应速度和效率是最重要的属性在互联网方面的什么自闭症谱系障碍检测设备和系统。在一般情况下,我们讨论了四个程序和基本因素 - - - - - -轴;然而,其他重要方面,如CCR,可靠性,和处理速度,可能会检查他们的数量 - - - - - -轴。

5.4。找出哪些科学期刊或会议上发表基于ASD

按图7在阿斯伯格综合症和单反的应用技术调查,IEEE已经发表了11篇文章总共28所选的研究工作。因此,IEEE出版物的最大数量,评估。图表显示2轴的 - - - - - -轴表示出版商论文的数量和价值 - - - - - -轴代表不同的出版商的名字。

5.5。ASD技术使用的平台和传感器?

图8说明了几个研究项目使用一系列平台和传感器将ASD概念付诸实践。智能皮带,心率变异性(HRV)和脉搏血氧仪只是几个当前技术和传感器,这个术语“可穿戴传感器。“饼图显示了不同的平台和传感器比较在ASD的方法。

6。开放的问题

这个研究表明,创建IoT-based策略ASD患儿面临一些尚未解决的问题和不同的经历。以下是一些尚未完全解决的问题:(我)面向对象的分割策略帮助减少自闭症儿童的特殊要求诊断和测量ASD患者的疾病严重程度(2)使用各种机器人改善自闭症谱系障碍的儿童的生活质量是最为此悬而未决的问题的方法。这是一个学习的方法同时自闭症儿童如何模仿动作和说话(3)预测和评估自闭症行为,可穿戴设备使用在所有分类的技术(EMG、脉搏血氧计,GSR, GPS)。传感器可以被集成到任何设备或作为一个单独的机构(iv)DL是一个重要的悬而未决的问题领域的孤独症谱系障碍的诊断,也可用于各种方法,包括多数据库和脑成像

此外,什么设备的ASD,整合互联网引发了各种挑战,包括以下:(我)完整性:所有信息必须保存的完整性和设备之间的传输过程中到达最终目的地的完整和安全(2)可用性:可用性保证批准部分访问所有IoT-based医疗保健服务,包括全球性的,本地的,在需要时和基于云的服务,由于不同的攻击(3)自愈:它是重要为IoT-based网络自愈能力,因为医疗设备失败的风险。额外的设备交互应该能够提供最低限度的安全级别

7所示。结论

ASD患者受益匪浅的采用物联网设备与网络由党卫军。最困难的一个方面的治疗自闭症儿童是找到正确的物联网解决方案。在ASD传感器、平台和方法对孩子们有很大影响,这是常有的事。有28个文章包括综述看着各种方法ASD发表在2014年和2020年之间。在2016年和2018年发表的文章数量接近前一年的总数。大多数论文都发表在《IEEE日报的百分比为51%。选择28研究分为两组:那些专注于诊断患者和那些支持努力提高病人的生命质量。近43%的受访者认为研究新方法的诊断和评估自闭症儿童的严重程度,而57%的思考方式来提高这些年轻人的生活质量。此外,所有的选择方法进行评估的准确性、敏感性,特异性,和时间等变量。有比较的ASD和IoT-based设备基于提供的案例研究。 Most research studies are aimed at enhancing the QoL of autistic children, according to the findings. New ASD techniques and gadgets for autistic persons will benefit from research into IoT-based variations on traditional ASD approaches such as AL, ML, and SS network.

保持经典ASD技术安全、IoT-based设备变得越来越普遍。同时,一些研究表明,患有自闭症的孩子,喜欢机器人对人们寻求帮助。NAO的眼神比在传统的课堂注意力稳定自闭症儿童(47]。此外,物联网解决方案减少护理和支持费用和易于使用,相比传统的方法保护病人。

情绪,另一方面,可以对人性化治疗的有效性产生影响的方式传感器和机器人不能做的事。机器人的行为应该类似于人类为了准备我们现实的不可预测性。为了实现这个目标,机器人或其他技术与人们需要将情感和认知计算。这是一些综述的局限性:当搜索研究中,我们使用术语“自闭症谱系障碍,”“物联网”和“物联网自闭症”(非英语)。

期刊,书籍,章和论文并不包括在这一调查。IoT-based ASD研究方法已经解决,发表在不同的语言(我们认为)。

数据可用性

数据不支持这项研究。

的利益冲突

作者与任何人没有任何的利益冲突。