[发明专利]基于人体骨架运动学特征信息的抑郁症识别方法及系统

说明书

本发明公开了一种基于人体骨架运动学特征信息的抑郁症识别方法及系统，属于图像处理与模式识别领域，本发明要解决的技术问题为如何能够建立客观有效的指标，根据指标参数准备的诊断抑郁症，采用的技术方案为：该方法具体如下：S1、收集人体骨架运动学特征数据；S2、提取人体骨架运动学特征数据；S3、特征数据预处理并制作数据集；S4、构建及训练抑郁症识别神经网络模型；S5、将待识别的人体骨架运动学数据输入到训练好的抑郁症识别神经网络模型，完成抑郁症的识别诊断，得到预测结果并计算准确率。该系统包括数据收集模块、数据提取模块、预处理及数据集制作模块、模型构建及训练模块及结果预测及准确率计算模块。

技术领域

本发明涉及图像处理与模式识别领域，具体地说是一种基于人体骨架运动学特征信息的抑郁症识别方法及系统。

背景技术

抑郁症(depression)是指以显著而持久的情绪低落、活动能力减退、思维与认知功能迟缓为临床特征的一类情感性精神障碍。抑郁症患者有着严重的心理障碍和不良的情绪，经常缺乏睡眠、精神萎靡不振，重度抑郁症患者甚至出现自杀行为。

目前，抑郁症的诊断尚处于症状推断阶段，并无客观的理化检查诊断指标。现阶段抑郁症识别方法存在较多缺陷，其主要有：

(一)临床的诊断措施多以主观方式评判，缺乏客观有效的指标，很容易导致误诊和漏诊的情况；

(二)识别参考指标单一：目前用于识别抑郁症的方法主要是依据患者体内激素水平和各种生化指标作识别参考指标，缺乏生物电信号的指标参数，使得抑郁症识别具有一定的局限性。

故如何能够建立客观有效的指标，根据指标参数准备的诊断抑郁症是目前亟待解决的技术问题。

发明内容

本发明的技术任务是提供一种基于人体骨架运动学特征信息的抑郁症识别方法及系统，来解决如何能够建立客观有效的指标，根据指标参数准备的诊断抑郁症的问题。

本发明的技术任务是按以下方式实现的，一种基于人体骨架运动学特征信息的抑郁症识别方法，该方法是根据Kinect设备所捕捉到的人体骨架特征信息，提取出人体关节点运动学特征信息，对基于时间维度的每个关节点空间位置数据进行数据预处理，利用预处理后的数据构建数据集，使用数据集进行抑郁症识别神经网络模型的训练和测试；具体如下：

S1、收集人体骨架运动学特征数据；

S2、提取人体骨架运动学特征数据；

S3、特征数据预处理并制作数据集；

S4、构建及训练抑郁症识别神经网络模型；

S5、将待识别的人体骨架运动学数据输入到训练好的抑郁症识别神经网络模型，完成抑郁症的识别诊断，得到预测结果并计算准确率。

作为优选，所述步骤S1中收集人体骨架运动学特征数据具体如下：

S101、开启Kinect设备进行人体骨架运动学特征数据的收集；

S102、引导实验对象进入指定位置，播放预先设计的刺激动作任务指令；其中，刺激动作总共包括五个运动学片段，分别为：左臂抬起与复位、右臂抬起与复位、双臂抬起及复位、相左转身及复位、向右转身及复位；每个运动学片段之间时间间隔为5s，完成整个刺激动作所需要的时间为60s；

S103、打开Kinect StudioV2软件，完成人体骨架运动学数据的录制工作；

S104、待完成数据录制后，精神医师对当前实验对象的抑郁状态进行评估，评估过程将记录实验对象的汉密尔顿抑郁量表(24项版本)得分；其中，实验对象分为抑郁组和非抑郁组；

S105、根据汉密尔顿抑郁量表评分标准，筛选抑郁症组评分大于20，对照组评分小于8分为有效实验数据。