摘 "要""孤独症谱系障碍(Autism Spectrum Disorder， ASD)儿童表现出特有的非典型面部表情特征， 包括中性表情居多、积极表情减少、社交微笑频率低以及自发面部表情模仿能力不足。这些特征从幼儿期到儿童期表现稳定， 已成为ASD风险评估的重要标志。然而， 传统研究方法(如人工评估和面部肌电图)在分析ASD儿童面部表情时存在主观性强、耗时长且难以推广等局限性。近年来， 人工智能的迅速发展使基于计算机视觉和深度学习的自动化表情识别技术得以应用， 不仅显著提高了分析效率， 还降低了人为评估的主观误差， 为基于非典型面部表情特征的大规模ASD早期筛查提供了强有力的支持。未来研究可进一步优化识别模型， 通过设计更接近自然情境的诱发范式， 深入探索ASD儿童多样化的面部表情特征， 同时提升模型的准确性和灵敏度， 以推动ASD早期筛查和干预的发展。

    关键词""孤独症谱系障碍， 面部表情， 计算机自动识别

    分类号""R395

    1""引言

    孤独症谱系障碍(Autism Spectrum Disorder， ASD)是一种神经发育障碍， 主要特征包括社交障碍、语言与非语言交流困难， 以及重复性和刻板行为(First， 2013)。ASD不仅对患者及其家庭带来巨大挑战， 也对社会造成严重的经济负担。尽管目前尚未找到明确的认知神经标记或有效的治疗手段(Saral et al.， 2023)， 但研究表明早期识别和干预可以显著改善ASD儿童的语言能力、认知发展和行为表现， 从而提高其长期生活质量(Thabtah amp; Peebles， 2019)。因此， 高效的早期筛查是后续提供精准干预的基础， 对ASD儿童的整体发展至关重要(Wieckowski et al.， 2021)。

    近年来， 非典型面部表情特征逐渐被视为ASD儿童早期筛查的重要线索(Egger et al.， 2018; Hashemi et al.， 2021)。相对于典型发育(Typical Development， TD)儿童， ASD儿童通常表现出更多的中性表情、减少的积极表情和较低的社交性微笑频率 ......