S'abonner

Time Domain Analysis of Heart Rate Variability Signals in Valence Recognition for Children with Autism Spectrum Disorder (ASD) - 19/06/21

Doi : 10.1016/j.irbm.2021.06.002 
B. Anandhi a , S. Jerritta b, , I.G. Anusuya c, H. Das c
a Department of Biomedical Engineering, Agni College of Technology, Chennai, India 
b Department of Electronics and Communication, Vels Institute of Science, Technology and Advanced Studies (VISTAS), Chennai, India 
c National Institute of Empowerment for Persons with Multiple Disabilities (NIEPMD), Chennai, Tamilnadu, India 

Corresponding author.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Saturday 19 June 2021
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Graphical abstract

Le texte complet de cet article est disponible en PDF.

Highlights

Prediction of the emotional states in children with ASD using ECG signals.
Customized elicitation protocol using audio and video clips for data acquisition.
Analysis of geometrical and time domain features of positive and negative emotions.
KNN and Ensemble classifier were used for the classifying the two emotional states.
Geometrical features resulted in good accuracy of 84.8% and 74.7% in both states.

Le texte complet de cet article est disponible en PDF.

Abstract

Background

Autism Spectrum Disorder (ASD) is a neurodevelopmental condition that is characterized by various social impairments. Children with ASD have major difficulties in expressing themselves, resulting in stress and meltdowns. Understanding their hidden feelings and needs may help in tackling and avoiding such strenuous behaviors.

Objective

This research aims to aid the parents and caretakers of children with ASD to understand the hidden and unexpressed emotional state by using physiological signals obtained from wearable devices.

Methods

Here, electrocardiogram (ECG) signals pertaining to two valence states (‘like’ and ‘dislike’) were recorded from twenty children (10 Control and 10 children with ASD). The heart rate variability (HRV) signals were then obtained from the ECG signals using the Pan-Tompkins's algorithm. The statistical, higher order statistics (HOS) and geometrical features which were statistically significant were trained using the K Nearest Neighbor (KNN) and Ensemble Classifier algorithms.

Results

The findings of our analysis indicate that the integration of major statistical features resulted in an overall average accuracy of 84.8% and 75.3% using HRV data for the control and test population, respectively. Similarly, geometrical features resulted in a maximum average accuracy of 84.8% and 74.2% for control and test population respectively. The decreased HRV in the test population indicates the presence of autonomic dysregulation in children with ASD when compared to their control peers.

Le texte complet de cet article est disponible en PDF.

Keywords : Autism Spectrum Disorder (ASD), Wearable devices for ASD, Valence detection for ASD, Emotion elicitation for ASD, Electrocardiogram (ECG), Heart Rate Variability (HRV)


Plan


© 2021  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.