[发明专利]一种基于BEFAST判断原则的脑卒中行为检测方法

权利要求书

1.一种基于BEFAST判断原则的脑卒中检测方法，其特征在于，包括以下步骤：

步骤A、依据BEFAST判断原则获取分别对正常人与脑卒中患者的三种特征进行数据采集，Balance肢体平衡数据图像；Face面部对称性数据图像；Arms手臂抬起保持数据图像，得到数据集；

步骤B、对采集到的数据集进行预处理，得到预处理后的数据；

步骤C、搭建基于深度学习的神经网络模型MobileNetV3-Small与AGCN-Transformer；

步骤D、利用预处理后的数据对神经网络模型MobileNetV3-Small与AGCN-Transformer进行训练；

步骤E、通过深度学习建立的神经网络模型MobileNetV3-Small与AGCN-Transformer对被测人员进行检测，输出检测脑卒中症状行为。

2.根据权利要求1所述的一种基于BEFAST判断原则的脑卒中检测方法，其特征在于，

所述Balance肢体平衡数据图像，肢体平衡数据为脑卒中患者与正常人步行过程中肢体的平衡性/歪斜程度的图像数据；

所述Face面部对称性数据图像，面部对称性数据为脑卒中患者与正常人面部对称性/一侧歪斜程度的图像数据；

所述Arms手臂抬起保持数据图像，手臂抬起保持数据为脑卒中患者与正常人手臂抬起后保持水平的图像数据。

3.根据权利要求1所述的一种基于BEFAST判断原则的脑卒中检测方法，其特征在于，所述对采集到的数据进行预处理，包括：将步骤A中采集到的数据集中的图片进行等比例缩放使其达到统一的长宽尺寸；

将缩放后的数据集进行分类；对分类后的数据依据需求进行标定；以及对分类、标定后的图片数据进行归一化处理。

4.根据权利要求3所述的一种基于BEFAST判断原则的脑卒中检测方法，其特征在于，所述统一尺寸为224×224，所述等比例缩放方法为长边固定短边填充：

h_scale＝h_size/max(h，w)

w_scale＝h_scale

h_dst＝h_scale*h

w_dst＝w_scale*w

padding_size＝abs(h_dst-w_dst)/2

其中，(h，w)为图片的原始大小，(h_scale,w_scale)为缩放比例，(h_dst，w_dst)为等比例缩放后的图片尺寸，padding_size则是短边每侧需要填充的像素数，根据计算所得(h_dst，w_dst)，采用双线性插值方法实现缩放；如原始图像长宽不等需要填充时，在短边每侧增加padding_size大小的像素0值。

5.根据权利要求3所述的一种基于BEFAST判断原则的脑卒中检测方法，其特征在于，所述将缩放后的数据集进行分类是指分别根据正常人与脑卒中患者两种分类标准将肢体平衡数据、面部对称性数据、手臂抬起保持数据图片数据分为正常人的肢体平衡数据、脑卒中患者的肢体平衡数据、正常人的面部对称性数据、脑卒中患者的面部对称性数据、正常人的手臂抬起保持数据以及脑卒中患者的手臂抬起保持数据六类。

6.根据权利要求3所述的一种基于BEFAST判断原则的脑卒中检测方法，其特征在于，所述对分类后的数据依据需求进行标定是指对肢体平衡数据图像与手臂抬起保持数据图像中的人体肢体进行骨架标定，将图像被测目标与背景数据转化为骨架数据。