[发明专利]一种基于神经网络的自闭症辅助诊断方法

权利要求书

1.一种基于神经网络的自闭症辅助诊断方法，具体如下：

步骤1、数据采集和特征提取：将获取的被观察者眼球凝视数据，进行分析，提取其中每一帧图像的三种人脸特征，包括观察者和被观察者的相对位置、被观察者眼神凝视方向、被观察者的脸部方向；

步骤2、特征转换：根据步骤1提取的三种人脸特征，计算出神经网络所需和自闭症相关的n个特征值，5≤n≤20；

步骤3、将步骤2完成转换后的n个特征值带入到分类器，进行分类后即可得到后诊断结果；

所述分类器为采用三层结构的BP神经网络，包括输入层、隐藏层和输出层；

其中输入层的神经元个数对应步骤2得到的n个特征值；输出层有4个神经元，分别对应健康、轻度自闭症症状、中度自闭症症状和重度自闭症症状四个类别；用来训练神经网络分类模型，然后用于辅助自闭症的诊断；

隐藏层的神经元数目m通过以下公式计算：

其中n表示输入层神经元个数，l表示输出层神经元个数4，α表示1-10之间的常数，向上取整后计算出m，该神经网络的激励函数采用tanh函数；

BP神经网络具体的训练过程如下:

(1)设置输入层、隐藏层、输出层神经元节点数目；

(2)随机初始化权重矩阵，包括输入层到隐藏层的权重矩阵w¹_ij和隐藏层到输出层的权重矩阵w²_ij；

(3)前向传播：将训练数据[x₁,x₂,...,x_n]作为输入层的值，根据w¹_ij计算隐藏层的神经元节点输入值，同理，根据w²_ij计算得到输出层的值；

(4)反向传播：根据梯度下降法计算权重矩阵修正值；

(5)训练分类模型：设置迭代次数限定limit、学习率learn、误差临界值error_limit，根据(4)计算得到的矩阵修正值修改权重矩阵w¹_ij和w²_ij；

(6)重复步骤(4)和步骤(5)，直到满足终止条件后得到分类模型，终止条件为误差小于误差临界值或者迭代次数达到迭代次数限定；

所述特征值为8个，包括观察者和被观察者的正视时间占比、观察者和被观察者的侧视时间占比、观察者和被观察者的最长连续正视时间占比、被观察者在旋转物体上的凝视时间占比、被观察者凝视事物的最长时间占比、玩积木的时间占比、凝聚强灯光事物的时间占比，被观察者的性别。