[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的自閉癥輔助診斷方法

有效

• 申請?zhí)枺?/td>: 201810670529.2
• 申請日: 2018-06-26
• 公開（公告）號: CN108922617B
• 公開（公告）日: 2021-10-26
• 發(fā)明（設(shè)計）人: 于永斌;郭雨欣;許文明;任立勇;楊晨曦;黃航;趙薪淇;秦源澤;陳董
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N3/04
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 閆樹平

1.一種基于神經(jīng)網(wǎng)絡(luò)的自閉癥輔助診斷方法，具體如下：

步驟1、數(shù)據(jù)采集和特征提取：將獲取的被觀察者眼球凝視數(shù)據(jù)，進行分析，提取其中每一幀圖像的三種人臉特征，包括觀察者和被觀察者的相對位置、被觀察者眼神凝視方向、被觀察者的臉部方向；

步驟2、特征轉(zhuǎn)換：根據(jù)步驟1提取的三種人臉特征，計算出神經(jīng)網(wǎng)絡(luò)所需和自閉癥相關(guān)的n個特征值，5≤n≤20；

步驟3、將步驟2完成轉(zhuǎn)換后的n個特征值帶入到分類器，進行分類后即可得到后診斷結(jié)果；

所述分類器為采用三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱藏層和輸出層；

其中輸入層的神經(jīng)元個數(shù)對應(yīng)步驟2得到的n個特征值；輸出層有4個神經(jīng)元，分別對應(yīng)健康、輕度自閉癥癥狀、中度自閉癥癥狀和重度自閉癥癥狀四個類別；用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類模型，然后用于輔助自閉癥的診斷；

隱藏層的神經(jīng)元數(shù)目m通過以下公式計算：

其中n表示輸入層神經(jīng)元個數(shù)，l表示輸出層神經(jīng)元個數(shù)4，α表示1-10之間的常數(shù)，向上取整后計算出m，該神經(jīng)網(wǎng)絡(luò)的激勵函數(shù)采用tanh函數(shù)；

BP神經(jīng)網(wǎng)絡(luò)具體的訓(xùn)練過程如下:

(1)設(shè)置輸入層、隱藏層、輸出層神經(jīng)元節(jié)點數(shù)目；

(2)隨機初始化權(quán)重矩陣，包括輸入層到隱藏層的權(quán)重矩陣w¹_ij和隱藏層到輸出層的權(quán)重矩陣w²_ij；

(3)前向傳播：將訓(xùn)練數(shù)據(jù)[x₁,x₂,...,x_n]作為輸入層的值，根據(jù)w¹_ij計算隱藏層的神經(jīng)元節(jié)點輸入值，同理，根據(jù)w²_ij計算得到輸出層的值；

(4)反向傳播：根據(jù)梯度下降法計算權(quán)重矩陣修正值；

(5)訓(xùn)練分類模型：設(shè)置迭代次數(shù)限定limit、學(xué)習(xí)率learn、誤差臨界值error_limit，根據(jù)(4)計算得到的矩陣修正值修改權(quán)重矩陣w¹_ij和w²_ij；

(6)重復(fù)步驟(4)和步驟(5)，直到滿足終止條件后得到分類模型，終止條件為誤差小于誤差臨界值或者迭代次數(shù)達到迭代次數(shù)限定；

所述特征值為8個，包括觀察者和被觀察者的正視時間占比、觀察者和被觀察者的側(cè)視時間占比、觀察者和被觀察者的最長連續(xù)正視時間占比、被觀察者在旋轉(zhuǎn)物體上的凝視時間占比、被觀察者凝視事物的最長時間占比、玩積木的時間占比、凝聚強燈光事物的時間占比，被觀察者的性別。