자폐 스펙트럼과 관련된 자기자극 행동을 영상에서 자동으로 분류하려면 시간에 따른 움직임을 포착하면서도 작은 데이터의 제약을 견뎌야 한다. 라우낙 몬달과 피터 워싱턴은 손동작의 시계열 분류에서 신경망 구조와 프레임 표본화 간격, 데이터 증강의 영향을 분석했다. 논문은 2026년 7월 8일 arXiv에 제출됐으며 예비 버전은 AMIA 2024 Informatics Summit 포스터로 발표됐다.
연구진은 SSBD 데이터셋에서 추출한 자세 특징으로 LSTM과 GRU를 훈련했다. 프레임 간격은 1, 5, 15, 30, 45, 90으로 바꿔 비교했다. 두 구조 모두 기존 CNN 기준선의 정확도 62~76%를 넘어섰고, 15프레임마다 표본화했을 때 LSTM은 97.5%, GRU는 98.75%의 최고 정확도를 기록했다. 더 많은 프레임을 쓰는 것이 항상 더 좋은 결과로 이어지지는 않았다는 점이 핵심이다.
별도 실험에서는 I3D 전이학습 파이프라인에 10가지 증강 전략을 적용하고 각 기법의 기여를 제거 실험으로 살폈다. 단독 기법 중 수평 뒤집기는 48.78%로 가장 높았으며, 전체 증강 구성에서 업샘플링을 빼면 성능 저하가 가장 컸다. 사람별 모델을 영상의 시간 구간으로 나눠 훈련·시험한 개인화 접근은 평균 손실 1.84, 표준편차 0.79로 일관된 예측을 보였다고 보고한다.
높은 정확도는 특정 데이터셋과 분할, 자세 특징, 표본화 설정에서 얻은 결과다. 원격 행동 선별 도구의 임상 유효성이나 진단 능력을 직접 입증하지 않으며, 작은 행동 데이터의 대표성과 사람별 일반화도 주의해야 한다. 연구는 영상 기반 선별 시스템을 설계할 때 구조뿐 아니라 시간 표본화와 증강 구성이 중요한 변수임을 보여주는 제한된 실험 근거다. 실제 사용을 위해서는 촬영 각도와 조명, 배경, 연령과 문화에 따른 행동 차이를 포함한 외부 데이터 평가가 필요하다. 선별 결과는 임상 전문가의 종합 판단을 보조해야 하며 개인 영상의 동의와 보관 기준도 선행돼야 한다.
원문: arXiv 2607.07957
저작권자 © STORIUM 무단전재 및 재배포 금지
