[发明专利]集成眼动数据分析的抑郁症数据筛查系统

说明书

本发明涉及一种集成眼动数据分析的抑郁症数据筛查方法及系统，该方法包括以下步骤：获得不同受试者在回答自查量表文本中的问题过程中的眼动数据；基于语义分析对所述自查量表文本划分感兴趣区域，并基于划分的感兴趣区域得到所述眼动数据对应的字符串；将不同受试者对应的字符串进行相似度计算；基于相似度计算结果将不同受试者的眼动数据进行分类。通过本发明方法及系统，可以更加准确地筛查出抑郁症患者的眼动数据，提高基于自查量表的抑郁症检测结果的准确性。

技术领域

本发明涉及眼动数据分析与应用技术领域，特别涉及一种集成眼动数据分析的抑郁症数据筛查方法及系统。

背景技术

抑郁症是一种负担重的，反复发作的精神健康疾病，在世界范围内普遍流行。检测抑郁症的传统方法依赖于结构化的访谈和问卷调查，劳动强度大且耗时长，而且诊断结果通常取决于心理学家的经验和受试者的诚实，即容易受到主观因素的影响。也有方法通过加入脑电、心电等电生理参数等提高传统方法的客观性，但电生理参数的获取需要穿戴特定的设备不利于临床操作，同时也忽略了传统量表的经验信息。

近年来，眼动追踪技术已在心理学中用于测量认知过程。视觉刺激和注意力机制之间存在密切的关系，通过眼动数据可以了解受试者的精神负荷和认知状态。无论在空间还是时间上，扫描路径都具有完美的眼动信息存储性能，不仅可以反映出对象在哪里看了多长时间，而且还反映出对象进行信息处理的顺序。与注视相比，扫描路径更适合于量化视觉行为中眼动的动态，因此，可以利用扫描路径的相似性比较方法进行抑郁症检测。

现有的眼动数据分析方法中，基于扫描路径相似度比较算法的抑郁症检测主要有注意力视图类、几何向量类和字符类。注意力视图类扫描路径比较算法过于简单粗糙，而几何向量类扫描路径比较算法又过于复杂精细，所以这两类算法的应用范围较小，更广为用之的是字符类扫描路径比较算法。对于字符类扫描路径比较算法，首先要对人眼扫描的平面图划分感兴趣区(AOI)，现有的AOI分割法主要有网格化AOI法和等频分箱法。网格化法将AOI按照行、列划分为等大的网格，等频分箱法则是以划分的每个区域注视点个数相等为目的，二者均忽略了语义信息，破坏了刺激的完整性，继而使得检测结果的准确性还有待提高。

发明内容

本发明的目的在于改善现有技术中所存在的检测结果准确性不足的技术问题，提供一种集成眼动数据分析的抑郁症筛查方法及系统。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一种集成眼动数据分析的抑郁症数据筛查方法，包括以下步骤：

获得不同受试者在回答自查量表文本中的问题过程中的眼动数据；

基于语义分析对所述自查量表文本划分感兴趣区域，并基于划分的感兴趣区域得到所述眼动数据对应的字符串；

将不同受试者对应的字符串进行相似度计算；

基于相似度计算结果将不同受试者的眼动数据进行分类。

上述方法中，所述抑郁症数据是指患有抑郁症的受试者对应的眼动数据，包括不同程度的抑郁症患者对应的眼动数据。由于受试者在读题的时候，受到的刺激是源于内容，而上述方法中是基于语义对自查量表文本划分感兴趣区域，然后再基于感兴趣区域将眼动数据中的注视点转换为字符序列，因此相比于现有其他方法(忽略了受试者的刺激)，数据分类结果更加准确，即抑郁症数据筛查结果更加准确。

在一种实施方案中，所述基于语义分析对所述自查量表文本划分感兴趣区域的步骤，包括：基于字典的中文分词方法，对自查量表文本中的单词进行分割；每分割出一个单词用一个感兴趣区域标识。

字典中记录了单词或者复合词，单词或者复合词都是依据中文分词方法得到的，基于字典对文本中的单词进行分割，相比于基于人主观意志的随意性分割，可以提高分词结果的准确性。