[發(fā)明專利]一種中風快速自助檢測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010633314.0
• 申請日: 2020-07-02
• 公開（公告）號: CN113876296A
• 公開（公告）日: 2022-01-04
• 發(fā)明（設計）人: 朱以誠;田豐;黃進;倪俊;周立新;韓菲;張浩;王宏安
• 申請（專利權）人: 中國醫(yī)學科學院北京協(xié)和醫(yī)院
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/11
• 代理公司: 北京君尚知識產(chǎn)權代理有限公司 11200
• 代理人: 司立彬

本發(fā)明公開了一種中風快速自助檢測系統(tǒng)，其特征在于包括面部特征識別模塊、運動特征識別模塊、語音特征識別模塊和預警模塊；其中，面部特征識別模塊，用于通過人臉識別技術對用戶進行人臉檢測，然后基于人臉對稱軸判斷所檢測人臉圖像中的嘴角口鼻位置是否歪斜，并將判斷結果反饋給預警模塊；運動特征識別模塊，用于對動作傳感器所采集的用戶運動數(shù)據(jù)進行統(tǒng)計特征回歸分析，判斷該用戶是否存在單側手臂無力，并將判斷結果反饋給預警模塊；語音特征識別模塊，用于將用戶讀出提示信息的語音轉換為文字并與該提示信息進行匹配，判斷該用戶是否口齒不清，并將判斷結果反饋給預警模塊；預警模塊，用于根據(jù)收到的判斷結果判斷是否產(chǎn)生預警信息。

技術領域

本發(fā)明屬于計算機應用及醫(yī)療檢測領域，具體涉及一種基于F.A.S.T方法的中風快速自助檢測系統(tǒng)。

背景技術

中風，又被稱為腦卒中，傳統(tǒng)意義上的定義為：由急性腦血管損傷所致的，突然出現(xiàn)且持續(xù)存在超過24小時的局灶性神經(jīng)系統(tǒng)功能缺損，是一種高發(fā)病率、高致殘率、高復發(fā)率及高死亡率的危險疾病。中風發(fā)病早期，患者通常會出現(xiàn)以下癥狀：

(1)口齒不清。

(2)一側面部麻木或口角歪斜。

(3)偏側肢體麻木或無力。

(4)視物重影或偏盲。

(5)眩暈，行走不穩(wěn)，甚至摔倒。

患者經(jīng)歷的一次甚至多次的短暫的腦缺血癥狀發(fā)作被稱作小中風，這些癥狀一般僅僅持續(xù)幾分鐘就會消失，極其容易被患者忽視。據(jù)統(tǒng)計，大約有近1/3患者出現(xiàn)小中風癥狀時，最終會有中風的發(fā)作，由出現(xiàn)小中風癥狀到中風發(fā)作時間最短僅間隔幾小時。因為中風對時間較為敏感，且一直缺乏有效的治療手段，若能提前預防或在中風的情況下及時采取行動是防止產(chǎn)生持續(xù)傷害的關鍵。

“F.A.S.T”方法是一種中風快速評估方法，根據(jù)中風患者發(fā)作前幾個極常見的小中風現(xiàn)象，以4個英語單詞的開頭字母命名，簡便實用地對受試者進行中風評估，F(xiàn).A.S.T方法具體如下：

F(Face)：您(他)是否能夠微笑？即檢測面部是否無力或者麻木，出現(xiàn)面癱或者口角歪斜的現(xiàn)象。

A(Arm)：您(他)能順利舉起雙手嗎？即檢測手臂是否無力甚至根本無法抬起。

S(Speech)：您(他)能流利對答嗎？即檢測是否說話困難或口齒不清。

T(Time)：如上述三項有一項存在，請您立即撥打急救電話120，抓緊時間到達醫(yī)院就診。

發(fā)明內容

本發(fā)明針對上述問題，結合F.A.S.T快速腦中風評估方法，分別使用人臉識別技術，多點觸控及傳感器動作識別技術和語音識別技術，實現(xiàn)了基于F.A.S.T方法的腦中風識別系統(tǒng)。本發(fā)明提出的系統(tǒng)，移動設備端首先通過對圖像采集區(qū)域內的人臉信息采集，基于人臉對稱軸對從圖像中提取的嘴角口鼻等關鍵位置進行特征分析，實現(xiàn)了對出現(xiàn)面癱或口角歪斜癥狀的受試者的檢測。然后利用屏幕多點觸控技術，在屏幕兩端點分別用兩只手握住移動設備兩端，同時抬起的過程中，利用手機動作傳感器采集加速度、角速度等數(shù)據(jù)作為檢測受試者運動特征的基本數(shù)據(jù)，并計算這些基本數(shù)據(jù)的統(tǒng)計特征，采用回歸分析的方法檢測受試者是否出現(xiàn)單側手臂無力導致手臂無法正常抬起的癥狀。然后，受試者朗讀屏幕中的原話，將識別的文字與屏幕中文字進行匹配，從而檢測受試者是否出現(xiàn)口齒不清的狀況。最后根據(jù)上述三種檢測技術，若受試者出現(xiàn)一種癥狀，則跳轉撥號界面，及時撥打120到醫(yī)院就診，從而實現(xiàn)腦中風的快速評估以及及時救治。

本發(fā)明采用的技術方案如下：

一種中風快速自助檢測系統(tǒng)，其特征在于，包括面部特征識別模塊、運動特征識別模塊、語音特征識別模塊和預警模塊；其中，