[發明專利]一種基于深度學習的兒童多動癥行為特征識別算法

在審

• 申請號: 202210191328.0
• 申請日: 2022-02-28
• 公開（公告）號: CN114565975A
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 張云龍
• 申請（專利權）人: 安徽蘭臣信息科技有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/52;G06V10/80;G06N3/08;G06N3/04;G06K9/62;A61B5/16;A61B5/11;A61B5/00
• 代理公司: 合肥律眾知識產權代理有限公司 34147
• 代理人: 朱波

本發明公開了一種基于深度學習的兒童多動癥行為特征識別算法，涉及識別算法技術領域。本發明包括以下步驟：步驟1：在待識別兒童動作的持續時間內，對動作圖像數據集的獲取并進行預處理；步驟2：將步驟1中的獲取的數據集分別輸入VGG16、ResultNet50和Inception?V4卷積神經網絡進行分類識別；步驟3：通過全局平均池化操作處理VGG16、ResultNet50和Inception?V4三個卷積神經網絡的最后一層卷積特征；步驟4：通過特征拼接計算VGG16、ResultNet50和Inception?V4卷積神經網絡的注意力融合權重；步驟5：通過內積操作將注意力融合權重和三個所述模型的特征值進行融合。提高識別的結果的精確度，能夠有效的提高識別的精確度，輔助醫療工作者完成兒童多動癥的初步診斷。

技術領域

本發明屬于特征識別算法技術領域，特別是涉及一種基于深度學習的兒童多動癥行為特征識別算法。

背景技術

兒童多動癥(簡稱多動癥)，又稱注意缺陷多動障礙(ADHD)。是一種常見的兒童行為異常問題。這類患兒的智力正常或接近正常，但學習行為及情緒方面有缺陷，主要表現為與年齡和發育水平不相稱的注意力不易集中，注意廣度縮小，注意時間短暫，不分場合的活動過多、情緒易沖動等，并常伴有認知障礙和學習困難。該癥于學前起病，呈慢性過程。該癥不僅影響兒童的學校、家庭和校外生活，而且容易導致兒童持久的學習困難、行為問題和自尊心低，此類患兒在家庭及學校均難與人相處。如不能得到及時治療，部分患兒成年后仍有癥狀，明顯影響患者學業、身心健康以及成年后的家庭生活和社交能力。國內外調查發現該癥患病率3％-10％，男女比為4-9:1，早產兒童患此病較多。

本發明所提供的一種基于深度學習的兒童多動癥行為特征識別算法，通過已知的兒童多動癥視頻，并利用多種神經網絡識別的識別結果，對結果進行融合分類，能夠有效的提高識別的精確度，輔助醫療工作者完成兒童多動癥的初步診斷。

發明內容

本發明的目的在于提供一種基于深度學習的兒童多動癥行為特征識別算法，解決了上述技術背景中的問題。

為解決上述技術問題，本發明是通過以下技術方案實現的：

本發明為一種基于深度學習的兒童多動癥行為特征識別算法，包括以下步驟：

步驟1：在待識別兒童動作的持續時間內，對動作圖像數據集的獲取并進行預處理；

步驟2：將步驟1中的獲取的數據集分別輸入VGG16、ResultNet50和Inception-V4卷積神經網絡進行分類識別；

步驟3：通過全局平均池化操作處理VGG16、ResultNet50和Inception-V4三個卷積神經網絡的最后一層卷積特征；

步驟4：通過特征拼接計算VGG16、ResultNet50和Inception-V4卷積神經網絡的注意力融合權重；

步驟5：通過內積操作將注意力融合權重和三個所述模型的特征值進行融合。

進一步地，所述步驟3中；

對VGG16卷積神經網絡的最后一個卷積層平均池化操作處理的方法為：

x＝layers.GlobalAveragePooling2D()(x)；

對ResultNet50卷積神經網絡的最后一個卷積層平均池化操作處理的方法為：

y＝layers.GlobalAveragePooling2D()(y)；

對Inception-V4卷積神經網絡的最后一個卷積層平均池化操作處理的方法為：

z＝layers.GlobalAveragePooling2D()(z)；