結合虛擬實境與多模態神經行為感測的注意力不足/過動症之智慧型輔助評估方法研究(1/2)

注意力缺陷多動障礙(ADHD)是兒童期常見的神經行為障礙，由於對生活品質的長期負面影響和自發緩解的困難，及時診斷和治療尤為重要。現行的評估工具主要有量表和神經心理測驗，填寫量表時帶有主觀性，不容易量化兒童的行為，神經心理測驗通常為透過電腦進行的測驗，仍然存在生態有效性的問題，所以，ADHD的診斷和評估仍然面臨許多的挑戰。本研究運用VR技術，結合可穿戴神經行為感測技術，包括腦波、眼球軌跡追蹤、頭部轉動以及肢體動作，研發以台灣兒童教室為背景的注意力測試系統：VR虛擬教室，內置測試任務涵蓋選擇性注意力、持續性注意力以及執行功能。然後，運用人工智慧的機器學習學習方法，整合測試任務表現（遺漏錯誤率、替代性錯誤率、反應時間）、神經行為（腦波、眼球軌跡追蹤、頭部轉動、肢體動作）等多模態數據以及多個評估量表（CONNERS,SNAP-IV,Weiss’s），建立注意力缺陷以及多動障礙的自動化評估/輔助診斷模型。另外，將進一步探索教室環境不同形態的干擾源，包括視覺干擾、聽覺干擾、嗅覺干擾、綜合性干擾等，對於兒童注意力影響的量化分析。