[發明專利]一種基于神經網絡的自閉癥輔助診斷方法

有效

• 申請號: 201810670529.2
• 申請日: 2018-06-26
• 公開（公告）號: CN108922617B
• 公開（公告）日: 2021-10-26
• 發明（設計）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）人: 電子科技大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N3/04
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 閆樹平

本發明涉及信息技術領域，尤其涉及數據分析領域，具體為一種基于神經網絡的自閉癥輔助診斷方法。本發明通過將采用三層結構的BP神經網絡作為分類器，引入到自閉癥的分析診斷過程中。利用BP神經網絡的特性對獲取到的被觀察者眼球凝視行為分析。降低了對診斷結論人員的專業要求，且效率高。

技術領域

本發明涉及信息技術領域，尤其涉及數據分析領域，具體為一種基于神經網絡的自閉癥輔助診斷方法。

背景技術

目前醫學領域已經開始研究眼球凝視行為，將其作為兒童自閉癥的診斷標準之一。但傳統的醫學診斷儀器體積大，使用不便，而被檢測者處于特殊的年齡段，較大的診斷儀器易對被檢測者產生心理上的刺激，同時，實驗測試環境和自然社交環境有所差別，這些因素都會影響實驗結果。與此同時，隨著數字化信息處理技術的發展，眼鏡式眼球追蹤器因體積小，使用方便，易于采集數據等優點，逐漸被現代醫學所采用。

但最終獲取到被觀察者的眼球凝視行為后，其后續自閉癥結論的診斷往往是通過專業人員對凝視行為進行人工分析。這一方法對專業性要求高，且效率低下。

發明內容

針對上述存在問題或不足，為解決現有自閉癥診斷方法要求高效率低下的問題，本發明提供了一種基于神經網絡的自閉癥輔助診斷方法，總體框架圖如圖1所示。

該基于神經網絡的自閉癥輔助診斷方法具體內容如下：

步驟1、數據采集和特征提取：將獲取的被觀察者眼球凝視數據，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、特征轉換：根據步驟1提取的三種人臉特征，計算出神經網絡所需和自閉癥相關的n個特征值(5≤n≤20)。

上述n個特征值優選以下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視時間占比、觀察者和被觀察者的最長連續正視時間占比、被觀察者在旋轉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。

步驟3、將步驟2完成轉換后的n個特征值帶入到分類器，進行分類后即可得到診斷結果。

所述分類器為三層結構的BP神經網絡，包括輸入層、隱藏層和輸出層；其中輸入層的神經元個數對應步驟2得到的n個特征值；輸出層有4個神經元，分別對應健康、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。用來訓練神經網絡分類模型，然后用于輔助自閉癥的診斷。

隱藏層的神經元數目m通過以下公式計算：

其中n表示輸入層神經元個數，l表示輸出層神經元個數4，α表示1-10之間的常數，向上取整后計算出m。由于tanh函數很簡單，且是零中心，在實際應用中比sigmoid更優先使用，因此該神經網絡的激勵函數采用tanh函數。

BP神經網絡具體的訓練過程如下:

(1)設置輸入層、隱藏層、輸出層神經元節點數目；

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

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

(4)反向傳播：根據梯度下降法計算權重矩陣修正值；