[发明专利]一种基于神经网络的自闭症辅助诊断方法

摘要

本发明涉及信息技术领域，尤其涉及数据分析领域，具体为一种基于神经网络的自闭症辅助诊断方法。本发明通过将采用三层结构的BP神经网络作为分类器，引入到自闭症的分析诊断过程中。利用BP神经网络的特性对获取到的被观察者眼球凝视行为分析。降低了对诊断结论人员的专业要求，且效率高。

主权项

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w1ij和隐藏层到输出层的权重矩阵w2ij；(3)前向传播：将训练数据[x1,x2,...,xn]作为输入层的值，根据w1ij计算隐藏层的神经元节点输入值，同理，根据w2ij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w1ij和w2ij；(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。