비디오 기반 자폐 자기자극 행동(hand-flapping 등) 자동 분류에서 최적의 시퀀스 신경망 구조와 프레임 샘플링 주기를 규명한 연구다. SSBD 데이터셋의 포즈 특징으로 LSTM·GRU를 학습한 결과, 15프레임 간격 샘플링에서 GRU 98.75%, LSTM 97.5% 정확도로 기존 CNN(62~76%)을 크게 앞섰다. I3D 전이학습 파이프라인에서는 수평 뒤집기가 단독 최고 정확도(48.78%)를 보였고, 업샘플링 제외 시 성능이 가장 크게 떨어져 그 필요성이 확인됐다. 데이터가 부족한 임상 영역에서 원격 행동 스크리닝을 설계할 때 구조·샘플링·증강 선택의 구체적 지침을 제공한다.

• •15프레임 간격 샘플링에서 GRU 98.75%, LSTM 97.5% 정확도로 기존 CNN 베이스라인(62~76%)을 상회
• •샘플링 주기 1·5·15·30·45·90 프레임을 비교해 15프레임이 최적임을 규명
• •10가지 데이터 증강 전략 중 수평 뒤집기가 단독 최고 정확도 48.78% 기록
• •업샘플링을 제외하면 성능 저하가 가장 커, 복잡한 행동 비디오 증강에 필수적임을 확인
• •피험자별 개인화 모델은 시간 분할 세그먼트에서 일관된 예측(평균 손실 1.84, SD 0.79) 달성