[发明专利]基于人机交互的孤独症早期筛查系统

说明书

本发明公开了基于人机交互的孤独症早期筛查系统，包括：数据采集模块，通过人机交互的方式采集受试者的交互动作视频与音频；数据感知模块，对交互动作视频数据进行肢体骨干检测和肢体语言识别；对交互动作视频数据进行人脸人脸检测、人脸关键点检测和表情识别；对交互动作视频数据进行眼部关键点检测，结合人脸关键点进行视线方向估计；对交互动作视频数据进行虹膜检测，根据虹膜尺寸进行人脸测距；数据分析模块，根据交互场景指引与数据感知结果统计被试者的正确响应次数，对孤独症指数进行各项能力的评估；基于训练后的神经网络模型，进行孤独症辅助诊断结果的预测；数据输出模块，输出孤独症的早期筛查结果。

技术领域

本发明涉及孤独症早期筛查技术领域，特别是涉及基于人机交互的孤独症早期筛查系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

孤独症谱系障碍(Autism Spectrum Disorder,ASD)是一组较为严重的儿童神经发育障碍性疾病，患者难以发展正常社交关系，并表现出受限或重复行为。目前ASD的早筛查方案主要以量表测试为主，主流ASD筛查量表有7种以上，各量表各有特点，各医院或医疗机构以及医疗从业者对于量表的选择不尽相同，总体而言基于量表的ASD早期筛查存在以下问题亟待解决：

(1)大多借助国外ASD研究形成的常模，缺乏本土适应性。

(2)测量时间长，量表填写通常需要一小时以上，部分量表，如ASD诊断访谈量表修订版(Autism Diagnostic Interview-Revised,ADI-R)测试甚至需要2-2.5小时。

(3)依赖监护人或抚养者较长期的观察，主观因素影响测试结果。

(4)要求从业人员较高资质。

(5)儿童或被测者参与度低。

(6)由实验研究规则确定筛查常模，更新缓慢。

除了基于量表的ASD早期筛查方法，部分研究者提出使用机器学习的方案进行ASD早期筛查，该方案依然存在一些问题需要解决：

(1)目前的机器学习通常输入单一模态数据，如眼动数据、被试者的图像等，对于体现ASD关键特征的肢体动作、表情、语音、眼神、社交距离等相关信息反应不足，难以支撑模型达到高信度与高效度。

(2)缺乏被试者的交互性与沉浸式参与，难以完成机器学习中必要的高质量数据采集工作与模型迭代。

发明内容

为了解决现有技术的不足，本发明提供了基于人机交互的孤独症早期筛查系统；被试者有较高的参与程度，筛查过程具有趣味性，有助于激发儿童被试者的投入，提高筛查准确率与数据质量。

基于人机交互的孤独症早期筛查系统，包括：

数据采集模块，其被配置为：通过人机交互的方式采集受试者的交互动作视频与音频；

数据感知模块，其被配置为：对交互动作视频数据进行肢体骨干检测和肢体语言识别；对交互动作视频数据进行人脸人脸检测、人脸关键点检测和表情识别；对交互动作视频数据进行眼部关键点检测结合人脸关键点进行视线方向估计；对音频数据进行去噪和量化处理；对交互动作视频数据进行虹膜检测，根据虹膜尺寸进行人脸测距；

数据分析模块，其被配置为：根据交互场景指引与数据感知结果统计被试者的正确响应次数，对孤独症指数进行各项能力的评估；将测试过程中被试者产生的肢体语言正确性结果序列、表情正确性结果序列、眼神方向与屏幕显示目标物体的偏差值序列、社交距离与期望距离偏差值序列作为特征数据，基于训练后的神经网络模型，进行孤独症辅助诊断结果的预测；