[发明专利]基于眼动技术与机器学习对孤独症儿童自动识别的系统

说明书

本发明涉及一种基于眼动技术与机器学习对孤独症儿童自动识别的系统，其数据采集模块用于采集儿童个体在视觉追随任务中的眼动坐标数据；标准化转换模块用于对每个任务试次中的目标图片和干扰图片位置进行标准化转换；分类用特征值获取模块是在获得眼动坐标数据及标准化转换模块处理后，按照特征值种类对眼动坐标数据进行数据处理，并将处理后的数据作为最终分类用的特征值；分类模型训练模块利用K‑近邻分类器，以及将收集到的眼动坐标数据转化为特征值的数据，训练出分类模型，根据建立的分类模型，自动对未知儿童进行分类识别。本发明操作简单，耗时较少，并能对不同功能水平的孤独症儿童进行识别。

技术领域

本发明涉及一种眼动信息捕捉和机器学习领域，特别是关于一种基于眼动技术与机器学习对孤独症儿童自动识别的系统。

背景技术

孤独症谱系障碍(Autism Spectrum Disorder,ASD，以下简称孤独症)，是一种以社会交往和语言沟通障碍、兴趣范围狭窄及重复刻板行为为主要特征的神经发育障碍(DSM-5；APA,2013)，一般发病于婴幼儿期，症状异质性较大且伴随终身。孤独症的患病率非常高，根据美国疾病控制与预防中心在2016年的研究报告，孤独症在美国的患病率高达14.7‰。对北京地区的小学抽样调查的结果发现我国的孤独症患病率和发达国家类似(1.19％，Sun et al.,2015)。孤独症对患者的生活、教育、工作与人际关系产生了严重影响，已成为世界性的公共健康问题，并成为发展与临床心理学、精神病学、临床医学及神经科学的国际研究热点。然而，目前尚无基于生物学的测试方法来对孤独症进行直接诊断。传统行为学诊断方法严重依赖医师主观判断，诊断过程长，流程复杂且受患儿发育阶段限制，且在我国国内，潜在患者人群数量远超过孤独症诊断医师数量，大量疑似孤独症儿童由于经济条件、居住环境、父母文化水平限制等多方面原因，无法得到专业医师的诊断。

共同注意方面的障碍，是孤独症诊断分类中的重要依据。许多关于孤独症儿童的研究发现，孤独症儿童能够对他人注视进行简单的注视跟随，但在更高层次的视觉定位和共同注意上会表现出行为缺失。共同注意主要指跟随他人视线，对同一件事物进行注视并且维持相对专注的注意力的行为，而在大量相关研究中均发现，孤独症儿童在利用方向性线索尤其是人类眼神信息进行共同注意行为的任务中，表现出各层次上的障碍：1)孤独症儿童在通过视觉跟随方式来和他人共享注视信息时有明显困难。2)孤独症儿童无法在注视跟随后维持注意力，并在通过注视信息推测他人意图能力上有着明显缺陷。

发明内容

针对上述问题，本发明的目的是提供一种基于眼动技术与机器学习对孤独症儿童自动识别的系统，其通过记录视觉追随任务中，儿童眼动的坐标数据，结合机器学习算法，在不进行人为主观干扰的情况下，根据孤独症儿童与正常儿童在共同注意方面的差异性作为本方法的基础，对孤独症儿童进行自动识别，具有较高的识别准确率与诊断参考价值。

为实现上述目的，本发明采取以下技术方案：一种基于眼动技术与机器学习对孤独症儿童自动识别的系统，其包括数据采集模块、标准化转换模块、分类用特征值获取模块和分类模型训练模块；所述数据采集模块用于采集儿童个体在视觉追随任务中的眼动坐标数据；所述标准化转换模块用于对每个任务试次中的目标图片和干扰图片位置进行标准化转换；所述分类用特征值获取模块是在获得眼动坐标数据及标准化转换模块处理后，按照特征值种类对眼动坐标数据进行数据处理，并将处理后的数据作为最终分类用的特征值；所述分类模型训练模块利用K-近邻分类器，以及将收集到的眼动坐标数据转化为特征值的数据，训练出分类模型，根据建立的分类模型，自动对未知儿童进行分类识别。

进一步，所述标准化转换模块中，对每个任务试次中的目标图片和干扰图片位置进行标准化转换的方法为：所有在线索区域和其它区域的采样点坐标保持不变，而目标图片区域采样点坐标被统一转换在线索区域上方位置，三张干扰区域采样点被统一叠放在线索区域下方。

进一步，所述特征值种类如下表：

。