[实用新型]一种基于深度学习的孤独症辅助评估系统

说明书

本实用新型提供一种基于深度学习的孤独症辅助评估系统。该系统包括数据采集和特征提取单元、第一神经网络、第二神经网络、第三神经网络和结果输出单元，数据采集和特征提取单元以及结果输出单元分别与第一神经网络、第二神经网络、第三神经网络具有连接，其中，数据采集和特征提取用于采集受试者观看视频的眼动数据，获得热点图、焦点图和扫描路径图；第一神经网络输入热点图，获得第一分类结果；第二神经网络输入焦点图，获得第二分类结果；第三神经网络输入扫描路径图，获得第三分类结果；结果输出单元集合第一分类结果、第二分类结果和第三分类结果获得受试者的孤独症检测结果。本实用新型提高了孤独症的预测效率和预测准确性。

技术领域

本实用新型涉及孤独症评估技术领域，尤其涉及一种基于深度学习的孤独症辅助评估系统。

背景技术

孤独症谱系障碍(autism spectrum disorder，ASD)，或称“自闭症谱系障碍”、“孤独症”、“自闭症”是以社交障碍和刻板行为为核心障碍的异质性神经发育障碍。全世界范围内ASD儿童发病率逐年增加，现已成为社会公共卫生问题。根据美国疾病控制与预防中心下属的孤独症和发育障碍监控网络的估计，在美国每68人中就有1人患上孤独症，因此现今社会对ASD的关注在过去几年大幅上升。康复训练是ASD儿童主要的治疗方式，越来越多的实例表明，开始干预的时间越早，预后越好。通过对ASD儿童的早期诊断和干预，借以减轻ASD儿童症状，能够最大程度发挥其潜能，提高其相应功能水平，使其能够和正常儿童一样健康茁壮成长。

然而，目前ASD的诊断缺乏可靠的生化诊断标志物或影像学依据，异质性大。ASD的核心症状社会交流和互动障碍受损程度不同，表现多样，尤其轻-中度ASD儿童的及时识别及正确诊断存在一定的难度，容易漏诊、误诊，使ASD儿童进入主流托幼机构后被贴上“问题儿童”的标签，易受到家长的责怪、老师的责罚和同学的疏远，引发行为、情绪问题，非常不利于孩子的预后。故急需使用方便、可靠性高的方法进行辅助诊断，从而有利于早期正确诊断和及时干预，减轻越来越沉重的孤独症谱系障碍患儿康复费用负担。

ASD儿童的诊断标准主要有美国精神病学会的《精神障碍诊断和统计手册》和世界卫生组织关于精神与行为障碍的诊断标准。目前主流的评估预测方法是根据诊断标准，针对语言交流障碍、社会交往障碍和重复刻板行为三个方面，利用国际上主流的诊断工具(孤独症诊断观察量表和孤独症诊断访谈量表)，以问卷调查和访谈的方式结合儿童的平时生长发育史、病史以及精神检查进行孤独症诊断。当基于行为征兆和症状的直接或间接观察不再适用时，从社会认知视角出发，围绕社交障碍这一ASD核心特异性症状，对ASD视觉特点的分析就富有特殊的意义。最近的研究提供了ASD个体不同的眼动模式的证据，通过眼球追踪技术研究了ASD个体如何扫描人脸。这些研究一致认为孤独症个体与正常儿童相比，对面部有更少的视觉注意。目前医学领域已经开始研究眼球凝视行为并将其作为儿童自闭症的诊断标准之一。从该角度出发，形成了一类借助眼动仪追踪ASD的眼球凝视行为，通过ASD的眼动数据进行分析及特征提取从而进行自闭症的评估预测。另一方面，随着脑功能成像技术研究的发展，出现了部分借助脑功能成像技术对ASD进行诊断的方法。通过核磁共振扫描仪得到静息态功能磁共振数据或者借助脑电设备采集得到的脑电信号，对采集得到的数据进行预处理和相应的功能处理得到所需的特征用以训练分类模型进行自闭症和正常儿童的分类。此外，越来越多的研究用工程技术的手段通过来自各个方面的多模态信号提取相关的特征用于自闭症的评估预测。例如，通过自闭症测试者观看预制视频对应的面部图像以及观看图像时的面部温度变化、心率变化和呼吸变化；或者利用视觉摄像头辅助判断受试者对语言的回应；或者采集逗笑试验过程中被试者、评估者和道具的多个RGB-D摄像头视角多声道音视频多模态数据；或者基于生理信号提取受试者在不同情绪状态下的脑电信号、肌电信号、眼电信号、皮肤电反应信号、体温数据、呼吸频率等，甚至直接利用受试者的表情反应提取表情特征来进行辅助判断。总之，多种能够利用的多模态信号及特征都已经被尝试用来进行自闭症儿童的辅助诊断。