[发明专利]基于分离重聚范式和计算机视觉的孤独症初级筛查装置

说明书

本发明公开了一种孤独症初级筛查装置，包括：数据采集模块，用于记录实验过程中视频，声音等多模态数据；行人检测模块，用于通过深度学习自动提取视频每一帧里人的位置；行人识别模块，用于通过深度学习自动提取视频中参与者的身份；特征提取模块，自动跟踪参与实验的人员在实验室中的行动轨迹，并提取出与实验人员具有代表性的特征并标记；训练分类模块，用于利用已标记的特征训练分类器，得到预测范式评分的分类器模型与预测ASD的分类器模型；预测模块，用于采用由训练分类模块获取的预测ASD的分类器模型对测试者进行测试，对测试者的孤独症进行评估预测。本发明能被视作一个ASD早期筛查的辅助装置，使得早期的ASD筛查预测更加准确与方便。

技术领域

本发明涉及图像处理领域，尤其涉及到一种基于分离重聚范式和计算机视觉的孤独症初级筛查装置，根据儿童在监护人与之分离之后行为模式评估预测孤独症，采集被试在分离-重聚实验中视频数据并加以分析其运动估计，以评估预测孤独症谱系障碍。

背景技术

社会各方面的研究者对孤独症谱系障碍(autism spectrum disorder,ASD)的关注在过去几年大幅上升。心理学，医学，计算机科学领域的研究院和专家近些年都在儿童自闭症的病因、诊断、干预治疗等方面有了新的发现。现在最广泛应用的测量方法包括孤独症诊断观察量表(Autism Diagnostic Observation Schedule-Generic,ADOS-G)与它的修订版本(ADOS-2)。ADOS是一种基于行为观察的诊断手段，需要一个受过临床训练的专业人员长时间的操作，这不仅增加了诊断成本，也减少了孤独症被早期诊断的机会。

最近的行为研究表明，自闭症儿童在以下三个方面的行为上有着与非自闭症儿童的显著差距，分别是：重复刻板动作，语言交流障碍，社会交往障碍。在社会交往障碍的表现中，专家和研究学者发现，自闭症儿童在分离-重聚实验中体与非自闭症儿童有着显著差异。具体来说，在儿童和家长一起玩玩具，然后家长突然离开儿童的情况下，非自闭症儿童大多会追随家长，表现出不安情绪的倾向；而自闭症儿童，有些会沉浸于自己的玩具中，对家长的离开反应弱或者无反应的倾向。这一现象也被广泛应用于人工自闭症诊疗环节中，作为一个重要依据。

而现在的计算机视觉与深度学习的发展，是我们在人的行为分析上有着突飞猛进的进展。越来越多的学者开始对自闭症儿童的行为进行分析，提取特征，并加以预测。

发明内容

针对上述现有技术存在的问题，本发明的目的在于提供一种基于分离重聚范式和计算机视觉的孤独症初级筛查装置，本发明与其他基于行为范式的自动筛查装置联合使用，能够在一定程度上简化ASD评估流程，减少ASD评估时间，增加客观度，提高ASD早期预测的机会。

为实现上述目的，本发明是根据以下技术方案实现的：

一种基于分离重聚范式和计算机视觉的孤独症初级筛查装置，其特征在于，包括：

数据采集模块，用于记录实验过程中实验人员的视频、声音的多模态数据，并进行同步数据采集；其中，参与的实验人员包括患有ASD个体与正常个体、儿童家长以及工作人员；

行人检测模块，用于从视频信息中提取人物身份特征，通过深度学习按照一定帧率提取出图像，接着对每一帧的图像进行行人检测，检测出出现的行人，并把行人利用矩形框框出来，最后自动提取视频每一帧里人的位置；

行人识别模块，用于通过深度学习自动提取视频中参与者的身份；

特征提取模块，用于自动跟踪参与实验的人员在实验室中的行动轨迹，并分析行动轨迹之间的关系，提取出与实验人员在具有代表性的特征并标记；

训练分类模块，用于利用已标记的特征训练分类器，得到预测行为范式的分数的分类器模型与预测ASD的分类器模型；

预测模块，用于采用由训练分类模块获取的预测ASD的分类器模型对测试者进行测试，对测试者的孤独症进行评估预测。