[发明专利]一种基于指令视频的帕金森非接触式智能检测方法

说明书

本发明提出一种基于指令视频的帕金森非接触式智能检测方法及系统。该方法包括：获取帕金森患者与非患者的指令式视频数据集；构建人脸模型，标定关键点；根据所述人脸模型的眼部关键点，确定眼部特征向量；根据所述人脸模型的嘴部关键点，确定嘴部特征向量；构建融合网络模型；根据所述嘴部特征向量、所述眼部特征向量和所述融合网络模型，训练最优模型；根据所述最优模型，确定帕金森患者。本发明将嘴部特征与眼部特征综合起来分析，将差分的思想引入到动态特征提取中，按指令设计分帧段进行特征的统计学计算，最后运用支持向量机算法训练模型，提高了帕金森检测的正确率，提高了检测准确率。

技术领域

本发明涉及帕金森非接触式智能检测检测领域，特别是涉及一种基于指令视频的帕金森非接触式智能检测方法及系统。

背景技术

帕金森病(Parkinson’s disease，PD)是一种常见的神经系统变性疾病，随着人脸识别技术、自然语言处理技术的发展，基于视频进行病症诊断的医疗应用不断涌现，线上问诊、智能导诊、亲患交流等场景对于症状检测的要求也越发趋于“简洁”、“高效”、和“多维度”。

帕金森“面具脸”是指帕金森患者由于运动性障碍导致的面部表情减少症状，临床表现由轻到重依次表现为：正常、面部呆板、面部表情差、不自主张口、完全没有表情等。随着帕金森病的发展期不断推演，僵硬感将会越发明显地在面部肌肉运动时显现。“面具脸”成为临床判定是否患帕金森病的重要指标。

基于帕金森患者“面具脸”的特征，可以设计指令式帕金森检测方法，其具有以下特性：其一，明确清晰的指令任务可以充分引导患者完成简单的表情任务，相较于传统的复杂表情模拟任务要更加准确明朗，适用于医院的智能化导诊平台；其二，由于单个指令对应单个部位的运动，在特征分析时按指令进行动态特征的提取将更具针对性，采用训练支持向量机(SVM)的方式比较不同特征源对于帕金森检测的效果，提升检测的准确率。

发明内容

本发明的目的是提出一种基于指令视频的帕金森非接触式智能检测方法及系统，以综合面部特征，提高检测效率。

为实现上述目的，本发明提出了如下方案：

一种基于指令视频的帕金森非接触式智能检测方法，包括：

获取帕金森患者与非患者的指令式视频数据集；

构建人脸模型，标定关键点；

根据所述人脸模型的眼部关键点，确定眼部特征向量；

根据所述人脸模型的嘴部关键点，确定嘴部特征向量；

构建融合网络模型；

根据所述嘴部特征向量、所述眼部特征向量和所述融合网络模型，训练最优模型；

根据所述最优模型，确定帕金森患者。

可选的，所述构建人脸模型，标定关键点，具体包括：

基于dlib库提供的人脸识别以及关键点标定的多任务接口，首先对受试者指令视频按帧提取68个人脸关键点。提取68个关键点中6个左眼链接关键点，6个右眼链接关键点及21个嘴部链接关键点，作为提取特征的主要目标点。

可选的，所述根据所述人脸模型的眼部关键点，确定眼部特征向量，具体包括：

为描述某一时刻眼睑的张合情况，定义一种基于上下眼睑距离与内外眼角距离的眼睑张合率eye_ratio的计算方法，即根据结合上下眼睑2个关键点的欧式距离以及内外眼角两个关键点的欧式距离，通过与剩余关键点的欧式距离作比，计算眼睑的张合率。

提取指令视频中所有帧的眼睑张合率eye_ratio以及帧与帧之间的眼角张合率差Δeye_ratio，并基于pandas提供的7种统计接口计算出维数为14的眼部特征向量。