Robot-assisted autism spectrum disorder diagnostics using partially observable Markov decision processes

Petric, Frano

prikaz prve stranice dokumenta Robot-assisted autism spectrum disorder diagnostics using partially observable Markov decision processes

Rad nije dostupan

disertacija

Robot-assisted autism spectrum disorder diagnostics using partially observable Markov decision processes

Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. urn:nbn:hr:168:583806

Petric, Frano

Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zavod za automatiku i računalno inženjerstvo

Citirajte ovaj rad

APA 6th Edition

Petric, F. (2018). Robot-assisted autism spectrum disorder diagnostics using partially observable Markov decision processes (Disertacija). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:583806

MLA 8th Edition

Petric, Frano. "Robot-assisted autism spectrum disorder diagnostics using partially observable Markov decision processes." Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:583806

Chicago 17th Edition

Harvard

Petric, F. (2018). 'Robot-assisted autism spectrum disorder diagnostics using partially observable Markov decision processes', Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 18.04.2024., https://urn.nsk.hr/urn:nbn:hr:168:583806

Vancouver

Petric F. Robot-assisted autism spectrum disorder diagnostics using partially observable Markov decision processes [Disertacija]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 18.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:583806

IEEE

F. Petric, "Robot-assisted autism spectrum disorder diagnostics using partially observable Markov decision processes", Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:583806

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:583806

Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.

Podaci o radu

Naslov	Robot-assisted autism spectrum disorder diagnostics using partially observable Markov decision processes
Naslov (hrvatski)	Robotom potpomognuta dijagnostika poremećaja iz autističnoga spektra primjenom djelomično osmotrivih Markovljevih procesa odlučivanja
Autor	Frano Petric
Mentor	Zdenko Kovačić (mentor)
Član povjerenstva	Zdenko Kovačić (član povjerenstva)
Ustanova koja je dodijelila akademski / stručni stupanj	Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva (Zavod za automatiku i računalno inženjerstvo) Zagreb
Datum i država obrane	2018, Hrvatska
Znanstveno / umjetničko područje, polje i grana	TEHNIČKE ZNANOSTI Računarstvo Umjetna inteligencija
Univerzalna decimalna klasifikacija (UDC)	621.3 - Elektrotehnika
Sažetak	The existing procedures for Autism Spectrum Disorder diagnosis are time consuming and challenging both for human evaluators and children being evaluated. The diagnosis of ASD relies solely on behavioral observations by experienced clinicians and occurrence of low agreement rates between different clinicians when evaluating a child suggests that there exists a need for a more objective approach to diagnostics and intervention. This thesis addresses that need by proposing a robot-assisted ASD diagnostic protocol consisting of four tasks adapted from ADOS. In this work the focus is on robot reasoning for ASD diagnostics. The main contribution of this thesis is a hierarchical Partially Observable Markov Decision Process framework that enables a humanoid robot to process the observations of child’s behavior, infer information about the unobservable state of the child and autonomously make decisions by selecting actions and tasks within the robot-assisted ASD diagnostic protocol. Each task of the protocol is modeled using a Mixed Observability Markov Decision Process model as a template. In order to formulate observation probabilities of task models, ASD experts are surveyed and their knowledge is encoded in the observation probabilities of task models. Expert knowledge also allowed for implementation of child behavioral models which are used to validate developed models. The model of the protocol is defined as a POMDP whose actions are tasks of the protocol. The interface between task and protocol models is formulated using regions of belief space of the task as observations for the protocol model. Following the successful validation through simulations with child behavioral models, task and protocol models are validated through experimental sessions with seven typically developing children and eight children with ASD. Results obtained through experiments show that the robot is capable of recognizing the behavior of the child and capable of differentiating different types of children, since the belief of the robot over the states of the child was comparable to assessment of autism experts.
Sažetak (hrvatski)	Unatoč tome što postoje standardizirani testovi za dijagnostiku poremećaja iz autističnog spectra, dijagnostika predstavlja značajan izazov za stručno osposobljene ispitivače. Razlog tome je iznimna složenost dijagnostičkog postupka, koji se zbog nedostatka medicinskih markera oslanja isključivo na opažanje ponašanja djeteta. S obzirom na navedene problem, uočava se potreba za objektivnim mjerama socijalnih funkcija te se smatra da moderni roboti mogu biti korisni u istraživanju poremećaja iz autističnoga spektra. Roboti su već pronašli primjenu u intervencijskim postupcima za djecu s autizmom, ali se još uvijek ne koriste u dijagnostičkom postupku. Cilj je ove doktorske disertacije proširiti postojeće stanje u području korištenja robota za osobe s poremećajem iz autističnoga spektra postavljanjem temelja za autonomno izvođenje robotom potpomognutog protokola za dijagnostiku autizma. Glavni doprinos disertacije nova je hijerarhijska struktura upravljanja zasnovana na djelomično osmotrivim Markovljevim procesima (POMDP) odlučivanja koja omogućuje humanoidnom robotu obradu detekcija dječjeg ponašanja, zaključivanje o stanju djeteta te autonoman odabir akcija i zadataka dijagnostičkog protokola. Predložena struktura upravljanja sastoji se od modela dijagnostičkih zadataka koji su zasnovani na modelu Markovljevih procesa odlučivanja s mješovitom osmotrivošću (MOMDP). Modelima zadataka nadređen je model dijagnostičkog protokola koji je zasnovan na standardnom POMDP modelu. Sučelje između modela protokola i zadataka izvedeno je korištenjem regija stanja uvjerenosti robota na kraju zadataka kao opservacija za model protokola. Znanja stručnjaka s iskustvom u radu s djecom s autizmom zapisana su u obliku vjerojatnosti opservacija dječjeg socijalnog ponašanja u modelima dijagnostičkih zadataka. Saznanja o učestalosti određenih ponašanja kod djece korištena su za razvoj ponašajnih modela djeteta koji omogućuju simulaciju interakcije djeteta i robota s ciljem podešavanja i validacije razvijenih modela. Nakon provedenih simulacija, modeli zadataka i protokla eksperimentalno su provjereni provođenjem ispitivanja sa sedmero djece tipičnog razvoja i osmero djece s autizmom. Rezultati detaljne analize provedenih ispitivanje pokazuju da se stanje uvjerenosti robota na kraju protokola podudara s ocjenama stručnjaka za dijagnostiku autizma čime je utvrđeno da robot ima mogućnost prepoznavanja ponašanja djeteta te mogućnost razlikovanja djece iz različitih grupa.
Ključne riječi
Ključne riječi (engleski)
Jezik	engleski
URN:NBN	urn:nbn:hr:168:583806
Studijski program	Naziv: Elektrotehnika i računarstvo Vrsta studija: sveučilišni Stupanj studija: poslijediplomski doktorski Akademski / stručni naziv: Doktor znanosti elektrotehnike i računarstva (dr.sc.)
Vrsta resursa	Tekst
Opseg	121 str. ; 30 cm.
Način izrade datoteke	Izvorno digitalna
Prava pristupa	Zatvoreni pristup
Uvjeti korištenja
Repozitorij	Repozitorij FER-a
Datum i vrijeme pohrane	2019-04-03 15:16:31

Nacionalna i sveučilišna knjižnica u Zagrebu

Dabar