ಈಗ, ಫಿಲಡೆಲ್ಫಿಯಾದ ಚಿಲ್ಡ್ರನ್ಸ್ ಹಾಸ್ಪಿಟಲ್ (CHOP) ನಲ್ಲಿರುವ ಆಟಿಸಂ ರಿಸರ್ಚ್ ಕೇಂದ್ರದ (CAR) ಸಂಶೋಧಕರು ಮೋಟಾರು ಅನುಕರಣೆಯನ್ನು ಅಳೆಯುವ ಹೊಸ ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ, ಇದು ಮಕ್ಕಳಲ್ಲಿ ಮೋಟಾರು ವ್ಯತ್ಯಾಸಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಮತ್ತು ನಿರೂಪಿಸಲು ಕಂಪ್ಯೂಟೇಶನಲ್ ನಡವಳಿಕೆಯ ವಿಶ್ಲೇಷಣಾ ಸಾಧನಗಳ ಬೆಳೆಯುತ್ತಿರುವ ಗುಂಪಿಗೆ ಸೇರಿಸಿದೆ. ಸ್ವಲೀನತೆ. ಈ ವಿಧಾನವನ್ನು ವಿವರಿಸುವ ಅಧ್ಯಯನವನ್ನು ಇತ್ತೀಚೆಗೆ ಮಲ್ಟಿಮೋಡಲ್ ಇಂಟರ್ಯಾಕ್ಷನ್‌ನ ಅಂತರರಾಷ್ಟ್ರೀಯ ಸಮ್ಮೇಳನದ ಭಾಗವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗಿದೆ.
ಸಂಶೋಧಕರು ದಶಕಗಳಿಂದ ಸ್ವಲೀನತೆಯನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಸಾಧನವಾಗಿ ಮೋಟಾರ್ ಅನುಕರಣೆಯಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿದ್ದಾರೆ. ಆರಂಭಿಕ ಬೆಳವಣಿಗೆಯಲ್ಲಿ ಅನುಕರಣೆ ಮುಖ್ಯವಾಗಿದೆ ಮತ್ತು ಸ್ವಲೀನತೆ ಹೊಂದಿರುವವರಲ್ಲಿ ಸಾಮಾಜಿಕ ವ್ಯತ್ಯಾಸಗಳು ಹೇಗೆ ತಮ್ಮನ್ನು ತಾವು ಪ್ರಸ್ತುತಪಡಿಸುತ್ತವೆ ಎಂಬುದರಲ್ಲಿ ಅನುಕರಣೆ ವ್ಯತ್ಯಾಸಗಳು ಅಡಿಪಾಯವಾಗಬಹುದು. ಆದಾಗ್ಯೂ, ಗ್ರ್ಯಾನ್ಯುಲರ್ ಮತ್ತು ಸ್ಕೇಲೆಬಲ್ ಎರಡೂ ಅನುಕರಣೆಯ ಕ್ರಮಗಳನ್ನು ರಚಿಸುವುದು ಸವಾಲಿನ ಸಂಗತಿಯಾಗಿದೆ. ಹಿಂದೆ, ಸಂಶೋಧಕರು ಕೆಲವು ಅನುಕರಣೆ ಮೈಲಿಗಲ್ಲುಗಳ ಪೋಷಕ ವರದಿಯ ಅಳತೆಗಳ ಮೇಲೆ ಅವಲಂಬಿತರಾಗಿದ್ದರು, ಆದರೆ ಇವುಗಳು ವೈಯಕ್ತಿಕ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಅಳೆಯಲು ಅಥವಾ ಕಾಲಾನಂತರದಲ್ಲಿ ಬದಲಾಗಲು ಸಾಕಷ್ಟು ನಿಖರವಾಗಿರುವುದಿಲ್ಲ. ಇತರರು ಅನುಕರಣೆ ಕೌಶಲ್ಯಗಳನ್ನು ಸೆರೆಹಿಡಿಯಲು ವರ್ತನೆಯ ಕೋಡಿಂಗ್ ಯೋಜನೆಗಳು ಅಥವಾ ವಿಶೇಷ ಕಾರ್ಯಗಳು ಮತ್ತು ಸಾಧನಗಳನ್ನು ಬಳಸಿದ್ದಾರೆ, ಇದು ಸಂಪನ್ಮೂಲ-ತೀವ್ರವಾಗಿದೆ ಮತ್ತು ಹೆಚ್ಚಿನ ಜನಸಂಖ್ಯೆಯಿಂದ ಅಗತ್ಯವಾಗಿ ಪ್ರವೇಶಿಸಲಾಗುವುದಿಲ್ಲ.
"ಸಾಮಾನ್ಯವಾಗಿ, ಅನುಕರಿಸಿದ ಕ್ರಿಯೆಯ ಅಂತಿಮ ಸ್ಥಿತಿಯ ನಿಖರತೆಗೆ ಒತ್ತು ನೀಡಲಾಗುತ್ತದೆ, ಆ ಹಂತಕ್ಕೆ ಹೋಗಲು ಅಗತ್ಯವಿರುವ ಎಲ್ಲಾ ಹಂತಗಳನ್ನು ಲೆಕ್ಕಹಾಕಲು ವಿಫಲವಾಗಿದೆ" ಎಂದು CAR ನಲ್ಲಿ ವಿಜ್ಞಾನಿ ಮತ್ತು ಅಧ್ಯಯನದ ಮೊದಲ ಲೇಖಕರಾದ ಕೇಸಿ ಜಂಪೆಲ್ಲಾ ಹೇಳಿದರು. "ಮಗು ಎಲ್ಲಿ ಕೊನೆಗೊಳ್ಳುತ್ತದೆ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ ಕ್ರಿಯೆಗಳನ್ನು ನಿಖರವಾಗಿ ಪರಿಗಣಿಸಬಹುದು, ಆದರೆ ಅದು ಮಗು ಅಲ್ಲಿಗೆ ಹೇಗೆ ಬಂದಿತು ಎಂಬ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಿರ್ಲಕ್ಷಿಸುತ್ತದೆ. ಕ್ರಿಯೆಯು ಹೇಗೆ ಕೊನೆಗೊಳ್ಳುತ್ತದೆ ಎನ್ನುವುದಕ್ಕಿಂತ ಮೋಟಾರು ವ್ಯತ್ಯಾಸಗಳನ್ನು ನಿರೂಪಿಸಲು ಕೆಲವೊಮ್ಮೆ ಹೇಗೆ ತೆರೆದುಕೊಳ್ಳುತ್ತದೆ. ಆದರೆ ಈ ತೆರೆದುಕೊಳ್ಳುವಿಕೆಯನ್ನು ಸೆರೆಹಿಡಿಯಲು ಸೂಕ್ಷ್ಮವಾದ ಮತ್ತು ಬಹು ಆಯಾಮದ ವಿಧಾನದ ಅಗತ್ಯವಿದೆ.
ಇದನ್ನು ಪರಿಹರಿಸಲು, CAR ನಲ್ಲಿನ ವಿಜ್ಞಾನಿಗಳು ಮೋಟಾರ್ ಅನುಕರಣೆಯನ್ನು ನಿರ್ಣಯಿಸಲು ಹೊಸ, ಹೆಚ್ಚಾಗಿ ಸ್ವಯಂಚಾಲಿತ ಕಂಪ್ಯೂಟೇಶನಲ್ ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು. ವೀಡಿಯೊದೊಂದಿಗೆ ಸಮಯಕ್ಕೆ ಚಲನೆಗಳ ಅನುಕ್ರಮವನ್ನು ಅನುಕರಿಸಲು ಭಾಗವಹಿಸುವವರಿಗೆ ಸೂಚಿಸಲಾಗುತ್ತದೆ. ಈ ವಿಧಾನವು 2D ಮತ್ತು 3D ಕ್ಯಾಮೆರಾ ಎರಡರಲ್ಲೂ ಅನುಕರಣೆ ಕಾರ್ಯದ ಸಂಪೂರ್ಣ ಅವಧಿಯಲ್ಲಿ ಎಲ್ಲಾ ಅಂಗಗಳ ಕೀಲುಗಳಾದ್ಯಂತ ದೇಹದ ಚಲನೆಯನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುತ್ತದೆ. ಈ ವಿಧಾನವು ಇತರರೊಂದಿಗೆ ಚಲನೆಯನ್ನು ಸಂಘಟಿಸುವ ಅವರ ಸಾಮರ್ಥ್ಯದ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುವ ತನ್ನ ಸ್ವಂತ ದೇಹದಲ್ಲಿ ಮೋಟಾರ್ ಸಮನ್ವಯ ತೊಂದರೆಗಳನ್ನು ಹೊಂದಿದೆಯೇ ಎಂಬುದನ್ನು ಸೆರೆಹಿಡಿಯುವ ಒಂದು ಕಾದಂಬರಿ ವಿಧಾನವನ್ನು ಸಹ ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ. ಪುನರಾವರ್ತಿತ ಕಾರ್ಯಗಳಲ್ಲಿ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಅಳೆಯಲಾಗುತ್ತದೆ.
ಈ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು, ಸಂಶೋಧಕರು 82% ನಿಖರತೆಯೊಂದಿಗೆ ಸಾಮಾನ್ಯವಾಗಿ ಅಭಿವೃದ್ಧಿ ಹೊಂದುತ್ತಿರುವ ಯುವಕರಿಂದ ಸ್ವಲೀನತೆಯೊಂದಿಗೆ ಭಾಗವಹಿಸುವವರನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಸಾಧ್ಯವಾಯಿತು. ವೀಡಿಯೋದೊಂದಿಗೆ ಪರಸ್ಪರ ಹೊಂದಾಣಿಕೆಯಿಂದ ಮಾತ್ರವಲ್ಲದೆ ಅಂತರ್ವ್ಯಕ್ತೀಯ ಸಮನ್ವಯದಿಂದ ವ್ಯತ್ಯಾಸಗಳನ್ನು ನಡೆಸಲಾಗಿದೆ ಎಂದು ಸಂಶೋಧಕರು ಪ್ರದರ್ಶಿಸಿದರು. 2D ಮತ್ತು 3D ಟ್ರ್ಯಾಕಿಂಗ್ ಸಾಫ್ಟ್‌ವೇರ್ ಎರಡೂ ಒಂದೇ ಮಟ್ಟದ ನಿಖರತೆಯನ್ನು ಹೊಂದಿವೆ, ಇದರರ್ಥ ಮಕ್ಕಳು ಯಾವುದೇ ವಿಶೇಷ ಸಾಧನಗಳನ್ನು ಬಳಸದೆಯೇ ಮನೆಯಲ್ಲಿ ಪರೀಕ್ಷೆಗಳನ್ನು ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
"ಈ ರೀತಿಯ ಪರೀಕ್ಷೆಗಳು ಸ್ವಲೀನತೆ ಹೊಂದಿರುವ ಜನರ ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು ತಿಳಿದುಕೊಳ್ಳಲು ನಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ, ಆದರೆ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಕಾರಿತ್ವ ಅಥವಾ ಅವರ ಜೀವನದಲ್ಲಿ ಬದಲಾವಣೆಗಳಂತಹ ಫಲಿತಾಂಶಗಳನ್ನು ಅಳೆಯಲು ನಮಗೆ ಸಹಾಯ ಮಾಡಬಹುದು" ಎಂದು CAR ನಲ್ಲಿ ಕಂಪ್ಯೂಟೇಶನಲ್ ವಿಜ್ಞಾನಿಯಾದ ಬಿರ್ಕನ್ ಟುನ್, PhD ಹೇಳಿದರು. ಮತ್ತು ಹಿರಿಯ ಅಧ್ಯಯನ ಲೇಖಕ. "ಈ ಪರೀಕ್ಷೆಯನ್ನು ಇದೀಗ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗುತ್ತಿರುವ ಅನೇಕ ಇತರ ಕಂಪ್ಯೂಟೇಶನಲ್ ನಡವಳಿಕೆಯ ವಿಶ್ಲೇಷಣೆ ಪರೀಕ್ಷೆಗಳೊಂದಿಗೆ ಸೇರಿಸಿದಾಗ, ವೈದ್ಯರು ಗಮನಿಸುವ ಹೆಚ್ಚಿನ ನಡವಳಿಕೆಯ ಸೂಚನೆಗಳನ್ನು ನಾವು ಅಳೆಯುವ ಹಂತವನ್ನು ನಾವು ಸಮೀಪಿಸುತ್ತಿದ್ದೇವೆ."
ಈ ಲೇಖನದಿಂದ ಏನು ತೆಗೆದುಕೊಳ್ಳಬೇಕು:
- Now, researchers at the Center for Autism Research (CAR) at Children’s Hospital of Philadelphia (CHOP) have developed a new method of measuring motor imitation, adding to a growing set of computational behavior analysis tools that can detect and characterize motor differences in children with autism.
- “Often times, the emphasis is placed on the end state accuracy of an imitated action, failing to account for all the steps necessary to get to that point,”.
- The method tracks body movement across all limb joints over the full course of the imitation task with both a 2D and a 3D camera.
