자폐증 검출을 지원하기 위한 비정상 손 움직임 분류: 기계 학습 연구

자폐 스펙트럼 장애의 공식 진단은 비효율적이고 오랜 시간이 소요되는 과정일 수 있다. 연구에 따르면 조기 중재가 더 나은 치료 결과를 가져온다는 증거가 있으나, 가족들은 자녀의 진단을 받기까지 수개월 이상 기다려야 하는 경우가 많다. 자폐와 관련된 행동을 탐지할 수 있는 디지털 기술은 소아 진단 접근성을 확장할 수 있다. 본 연구는 디지털 기술과 모델이 자폐 진단 지원에 활용될 수 있는지 검증하기 위한 첫 단계로, 비구조적인 가정 영상에서 손을 흔드는 행동을 식별하는 딥러닝 기술의 타당성을 입증하는 것을 목표로 한다. 우리는 자폐와 관련된 자극 행동(손 흔들기, 머리 두드리기, 회전 행동 등)을 보여주는 75개의 영상을 포함한 ‘자기 자극 행동 데이터셋(Self-Stimulatory Behavior Dataset, SSBD)’을 활용하였다. 이 중 손 흔들기 행동 영상에서 2~5초 사이의 길이를 가진 양성(100개) 및 대조(100개) 영상 총 200개를 추출하였다. 랜드마크 기반 접근법과 MobileNet V2의 사전 훈련된 합성곱 층을 활용한 모델을 사용하여, 5겹 교차 검증을 100회 반복한 결과, 최고 성능 모델은 F1 스코어 84% (정밀도 90%, 재현율 80%)를 달성하였다. 본 연구는 자폐 관련 행동의 정밀한 활동 탐지에 활용 가능한 딥러닝 기법 개발을 위한 첫걸음이 된다.