MАCHINE LEARNING АLGORITHM FOR EARLY DETECTION OF АUTISM SPECTRUM DISORDERS IN CHILDREN BASED ON MULTIMODAL ANALYSIS OF EYE MOVEMENTS АND FACIAL EXPRESSIONS

Aizat Amirbay; Zulfiya Amanbaikyzy; Kundyz Maxutova; Ayagoz Mukhanova; Murizah Kassim

doi:10.54309/IJICT.2026.26.2.015

ХАЛЫҚАPАЛЫҚ АҚПАРАТТЫҚ ЖӘНЕ КОММУНИКАЦИЯЛЫҚ ТЕХНОЛОГИЯЛАР ЖУРНАЛЫ

КӨЗ ҚОЗҒАЛЫСТАРЫ МЕН БЕТ МИМИКА БЕЛГІЛЕРІН МУЛЬТИМОДАЛЬДЫ ТАЛДАУҒА НЕГІЗДЕЛГЕН БАЛАЛАРДАҒЫ АУТИЗМ СПЕКТРІНІҢ БҰЗЫЛЫСТАРЫН ЕРТЕ АНЫҚТАУҒА АРНАЛҒАН МАШИНАЛЫҚ ОҚЫТУ АЛГОРИТМІ

Авторлар

Aizat Amirbay L.N. Gumilyov Eurasian National University
Zulfiya Amanbaikyzy Department of Information systems and Technology University, Astana, Kazakhstan
Kundyz Maxutova Departament of Artificial Intelligence Technologies, L.N. Gumilyov Eurasian National University, Astana, Kazkhstan
Ayagoz Mukhanova L.N. Gumilyov, Eurasian National University, Astana, Kazkhstan
Murizah Kassim University Technology MАRА, Selangor, Malaysia

##plugins.pubIds.doi.readerDisplayName##:

https://doi.org/10.54309/IJICT.2026.26.2.015

Кілт сөздер:

расстройства аутистического спектра, мультимодальный анализ, извлечение признаков, машинное обучение, отслеживание движений глаз, классификация

Аңдатпа

Аутизм спектрінің бұзылыстарын (АСБ) ерте анықтау үшін көз қозғалысы мен бет мимикасының ақпараттық белгілерін алу және мультимодальды талдау алгоритмі ұсынылған. Ұсынылған әдіс сегменттелген сценарийлерге (F1–F6) негізделген стандартталған эксперименттік хаттама шеңберінде синхрондалған мінез-құлық сигналдарын тіркеу үшін көз қозғалысын бақылау (eye-tracking) және компьютерлік көру технологияларын біріктіреді. Көру зейінін, «көзқарас–объект» өзара әрекеттесуін және бет мимикасының динамикасын сипаттайтын уақыттық сигналдар мен агрегатталған белгілерден тұратын мультимодальды деректер жиынтығы қалыптастырылды. Алынған белгілер құрылымдалған белгілер кеңістігіне түрлендіріліп, машиналық оқыту әдістерін қолдану арқылы АСБ бар балалар мен қалыпты дамып келе жатқан (ҚД) балаларды ажыратуға арналған екілік жіктеу есебін шешуге пайдаланылды. Эксперименттік нәтижелер мультимодальды белгілерді біріктіру жіктеу сапасын едәуір арттыратынын көрсетті. Логистикалық регрессия моделі ең жоғары нәтижелерді көрсетті (ROC-AUC = 0.976, PR-AUC = 0.978), бұл SVC_RBF және кездейсоқ орман (Random Forest) модельдерінен жоғары. Алынған нәтижелер мультимодальды мінез-құлық белгілерінің АСБ-ға тән үлгілерді сенімді әрі интерпретацияланатын түрде сипаттайтынын дәлелдейді. Ұсынылған әдіс АСБ ерте диагностикалау үшін интеллектуалды шешім қабылдауды қолдау жүйелерін құруға негіз бола алады.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Жүктеулер

PDF (Русский)

Жарияланды

2026-06-30

Дәйексөзді қалай келтіруге болады

Amirbay, A., Amanbaikyzy, Z., Maxutova, K., Mukhanova, A., & Kassim, M. (2026). КӨЗ ҚОЗҒАЛЫСТАРЫ МЕН БЕТ МИМИКА БЕЛГІЛЕРІН МУЛЬТИМОДАЛЬДЫ ТАЛДАУҒА НЕГІЗДЕЛГЕН БАЛАЛАРДАҒЫ АУТИЗМ СПЕКТРІНІҢ БҰЗЫЛЫСТАРЫН ЕРТЕ АНЫҚТАУҒА АРНАЛҒАН МАШИНАЛЫҚ ОҚЫТУ АЛГОРИТМІ. ХАЛЫҚАPАЛЫҚ АҚПАРАТТЫҚ ЖӘНЕ КОММУНИКАЦИЯЛЫҚ ТЕХНОЛОГИЯЛАР ЖУРНАЛЫ, 7(2), 227–241. https://doi.org/10.54309/IJICT.2026.26.2.015