JASMINE：基于姿态估计的自闭症谱系障碍筛查系统

JASMINE是一款基于2D姿态估计技术的开源自闭症谱系障碍（ASD）筛查辅助系统，旨在帮助医疗专业人员高效、客观检测儿童ASD指标。其核心特点包括隐私保护设计（仅处理骨骼关键点坐标，不存储原始视频）、多维度特征工程与集成模型（融合机器学习与深度学习），为ASD早期筛查提供可靠辅助工具。

JASMINE以隐私保护为核心设计理念：仅处理视频中提取的25个关节点坐标，不存储原始视频帧或图像；支持本地设备完成全部处理，避免敏感数据传输风险；符合医疗数据隐私法规，适合医疗机构、学校或家庭环境部署，无需担心身份泄露问题。

技术架构涵盖完整流水线：视频输入→OpenPose/MediaPipe姿态估计→25个关节点提取（归一化坐标）→多维度特征工程（运动学：关节角度、速度、距离、对称性；统计学：均值、标准差、时间动态、频域分析）→集成模型（随机森林、SVM、LSTM、Transformer）→预测结果。模型通过投票或加权平均提高可靠性。

系统基于MMASD基准数据集训练验证，包含：CSV格式关键点文件（每帧25-26关节点×3坐标）、归一化坐标[0,1]、动作类型与ASD状态标签、OpenPose JSON输出、受试者元数据，标准化格式便于复现与扩展。

应用界面采用Streamlit构建，含首页（系统概述）、模型比较（性能指标/混淆矩阵）、推理测试（上传数据获预测结果）、姿态可视化（逐帧骨骼查看）；技术栈为Python，依赖OpenCV、MediaPipe、PyTorch、Scikit-learn等，代码结构模块化（config、data、features、models、visualization）。

当前JASMINE为研究演示项目，非临床诊断工具，结果不可直接用于决策。未来方向：集成3D姿态估计、扩展非MMASD数据集、支持实时视频流、开发MediaPipe实时管线、添加权限系统、生成自动化报告。

JASMINE展示了AI在医疗领域的应用潜力，通过隐私优先设计、多维度特征与集成模型，为ASD筛查提供客观高效辅助。其开源特性与可解释性为AI医疗应用树立范例，同时强调患者隐私与医疗安全的重要性，是研究人员进入AI医疗领域的优质起点。