首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于多模态的智能交互AD筛查系统、装置 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:南方医科大学珠江医院

摘要:本发明公开一种基于多模态的智能交互AD筛查系统、装置,包括:量表测试模块,用于生成AD筛查测试;数据采集模块,用于采集受试者完成AD筛查测试过程的多模态数据;所述多模态数据包括受试者的眼动数据、微表情数据、笔迹数据以及步态数据;多模态分析模块,用于训练多模态信息融合模型;通过训练后的多模态信息融合模型分析所述多模态数据,对照标准MoCA‑B量表对所述多模态数据进行筛查,输出AD筛查结果;训练多模态信息融合模型过程中,当存在AD筛查结果与实际结果不符时,通过参数调整策略调整所述多模态信息融合模型的参数。本发明无需受试者佩戴多种仪器即可获取多模态数据进行AD筛查,识别准确率高。

主权项:1.一种基于多模态的智能交互AD筛查系统,其特征在于,包括:量表测试模块,用于生成AD筛查测试;所述AD筛查测试包括灯泡测试题目、图像抽象题目、眼动测试题目、步态能力测试题目;所述灯泡测试题目,用于采集眼动数据以及微表情数据,提供眼手协调精细运动、反应力、记忆力、微表情的模态评估;所述图像抽象题目用于采集笔迹数据;所述眼动测试题目用于采集眼动、微表情的数据;步态能力测试用于采集测试过程中步态数据、眼动数据以及微表情数据;数据采集模块,用于采集受试者完成AD筛查测试过程的多模态数据;所述多模态数据包括受试者的眼动数据、微表情数据、笔迹数据以及步态数据;多模态分析模块,用于训练多模态信息融合模型;通过训练后的多模态信息融合模型分析所述多模态数据,对照标准MoCA-B量表对所述多模态数据进行筛查,输出AD筛查结果;所述多模态分析模块通过Mediapipe进行多模态数据的识别以及关键点提取,构建任务序列数据集;所述关键点提取包括眼动数据提取、微表情数据提取、笔迹数据提取以及步态数据提取;将所述任务序列数据集转换为向量,通过主成分分析算法提取特征属性,以提取到的特征属性作为多模态信息融合模型的输入,以AD筛查结果为输出,训练多模态信息融合模型;通过所述多模态信息融合模型进行AD筛查;训练多模态信息融合模型过程中,当存在AD筛查结果与实际结果不符时,通过参数调整策略调整所述多模态信息融合模型的参数;在存在AD筛查结果与实际结果不符时,通过假阳性参数调整策略调整所述多模态信息融合模型的参数,具体为,当AD筛查结果存在假阳性或者假阴性,且假阳性样本的比例超过阈值时,使用加权交叉熵损失函数调整多模态信息融合模型,调整假阳性样本的权重,使得假阳性样本的权重高于假阴性样本的权重;假阳性样本的权重通过权重计算公式调整;所述权重计算公式为: 其中为假阳性样本的权重; 为假阳性样本的数量; 为总样本数; 为假阳性样本的比例阈值;所述步态数据提取包括:以位于拍摄区域左侧的摄像设备为主相机,根据主相机拍摄到的骨骼数据映射提取拍摄区域中受试者的膝盖、手臂、落脚位置的相应空间坐标点,根据落脚位置计算步态轨迹;量化步态轨迹以及步态数据中的步态特征,得到步态序列,所述步态特征包括左右脚步伐距离、抬腿高度、行走速度、节律、步速、摆臂幅度、摆臂速度、转身时间;所述微表情数据提取包括:识别多模态数据中的微表情数据,获取微表情数据集;从已分类的微表情图片提取468个关键点向量,使得每张微表情图片均对应一个向量数据;抽取任意两张已分类的微表情图片及对应的向量数据作为输入,训练微表情分类网络;所述微表情分类网络以交叉熵为损失函数,学习率为0.0001;将微表情数据集通过所述微表情分类网络,得到微表情的分类;通过k-means聚类对表情分类进行扩展,得到微表情分类序列;所述眼动数据提取包括:确定面部、瞳孔的关键点坐标,以面额、眼角、鼻尖作为面部、鼻尖的起始点,构建面部法向量;根据瞳孔的关键点坐标以及眼部纵横比确定眨眼次数;根据瞳孔的关键点坐标以及左右眼角的位置,设定眼部坐标,使得瞳孔与眼睛分别位于预设网格内;根据所述面部法向量以及视线的落点,确定视线方向特征;获取视线目标追踪状况,参考标定的标准视线位置,量化眼动数据,确定眼动序列;所述眼动数据包括跟踪精度、跟踪偏移数、眼跳准确度、眼跳潜伏期、眼动速度、反扫视精度、矫正潜伏期;跟踪精度为视线与目标夹角在2度范围内,眼动速度为眼动与眼动偏移之间的角速度;所述眼动数据提取包括:确定面部、瞳孔的关键点坐标,以面额、眼角、鼻尖作为面部、鼻尖的起始点,构建面部法向量;根据瞳孔的关键点坐标以及眼部纵横比确定眨眼次数;根据瞳孔的关键点坐标以及左右眼角的位置,设定眼部坐标,使得瞳孔与眼睛分别位于预设网格内;根据所述面部法向量以及视线的落点,确定视线方向特征;获取视线目标追踪状况,参考标定的标准视线位置,量化眼动数据,确定眼动序列;所述眼动数据包括跟踪精度、跟踪偏移数、眼跳准确度、眼跳潜伏期、眼动速度、反扫视精度、矫正潜伏期;跟踪精度为视线与目标夹角在2度范围内,眼动速度为眼动与眼动偏移之间的角速度。

全文数据:

权利要求:

百度查询: 南方医科大学珠江医院 一种基于多模态的智能交互AD筛查系统、装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。