一种婴儿自闭症辅助诊断方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种婴儿自闭症辅助诊断方法，包括获取诊断对象的基本信息，将基本信息编码成第一类特征向量；获取诊断对象的动态信息，利用卷积神经网络从动态信息中提取第二类特征向量；对诊断对象进行刺激的同时，获取诊断对象基于刺激产生的反应数据，提取第三类特征向量；利用神经网络接收第一类特征向量、第二类特征向量和第三类特征向量的输入，并输出诊断对象的表现行为标签；基于表现行为标签，输出诊断对象自闭症可能性信息。本发明专利技术还提供了婴儿自闭症辅助诊断装置、设备和存储介质，能够基于多模态深度学习，在婴儿出现临床症状之前，就对其自闭症进行早期诊断和干预，更好的辅助婴儿自闭症的治疗。

【技术实现步骤摘要】
一种婴儿自闭症辅助诊断方法、装置、设备和存储介质
本专利技术属于人工智能
，特别是涉及一种婴儿自闭症辅助诊断方法、装置、设备和存储介质。
技术介绍
近年来，全球自闭症发病率呈现出攀升趋势，大量的自闭症人士面临着诊断与治疗资源缺乏的困境。在这一背景下，科学家和医生开始将人工智能应用于人工智能的早期诊断和康复训练。自闭症又称孤独症，是一种神经发育障碍疾病，在1943年被首次报告和描述，它的主要特征包括语言发育迟滞、行为重复刻板、社会交往和沟通存在障碍等等。尽管距人类首次报告自闭症已经过去这么多年，自闭症的诊断与治疗仍然存在诸多困难，其中之一就是早期诊断和干预。一般而言，成人的自闭症诊断可以依据其语言表达来进行，但是婴儿无法用语言表达，因此只能通过观察其行为来诊断，而且，医生在婴儿两岁以后才能对其进行观测和评估，从而决定该婴儿是否需要进行医学干预，但是这可能导致自闭症婴儿错过最好的干预时机。由于神经退行性疾病患者的大脑变化通常出现在临床表现之前，也就是说，大脑影像会首先出现变化，基于这种观察，就可以诊断出婴儿是否需要进行早期干预，但是现本文档来自技高网...

【技术保护点】
1.一种婴儿自闭症辅助诊断方法，其特征在于，包括：/n获取诊断对象的基本信息，将所述基本信息编码成第一类特征向量；/n获取所述诊断对象的动态信息，利用卷积神经网络从所述动态信息中提取第二类特征向量；/n对所述诊断对象进行刺激的同时，获取所述诊断对象基于所述刺激产生的反应数据，提取第三类特征向量；/n利用神经网络接收所述第一类特征向量、所述第二类特征向量和所述第三类特征向量的输入，并输出所述诊断对象的表现行为标签；/n基于所述表现行为标签，输出诊断对象自闭症可能性信息。/n

【技术特征摘要】
1.一种婴儿自闭症辅助诊断方法，其特征在于，包括：
获取诊断对象的基本信息，将所述基本信息编码成第一类特征向量；
获取所述诊断对象的动态信息，利用卷积神经网络从所述动态信息中提取第二类特征向量；
对所述诊断对象进行刺激的同时，获取所述诊断对象基于所述刺激产生的反应数据，提取第三类特征向量；
利用神经网络接收所述第一类特征向量、所述第二类特征向量和所述第三类特征向量的输入，并输出所述诊断对象的表现行为标签；
基于所述表现行为标签，输出诊断对象自闭症可能性信息。


2.根据权利要求1所述的婴儿自闭症辅助诊断方法，其特征在于，所述获取诊断对象的基本信息包括：
获取所述诊断对象的年龄、性别、身长和体重信息。


3.根据权利要求1所述的婴儿自闭症辅助诊断方法，其特征在于，所述获取所述诊断对象的动态信息包括：
获取所述诊断对象的面部表情、头部和身体动作、音频、心电图、脑电图、心率、体温和皮肤汗液数据。


4.根据权利要求1所述的婴儿自闭症辅助诊断方法，其特征在于，所述对所述诊断对象进行刺激的同时，获取所述诊断对象基于所述刺激产生的反应数据包括：
利用不同颜色和不同形状的物品对所述诊断对象进行刺激的同时，获取所述诊断对象基于所述刺激产生的反应数据。


5.一种婴儿自闭症辅助诊断装置，其特征在于，包括：
第一获取单元，用于获取诊断对象的基本信息，将所述基本信息编码成第一类特征向量；
第二获取单元，用于获取所述诊断对...

【专利技术属性】
技术研发人员：张鑫，孙善宝，罗清彩，闫盼盼，解萌，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东;37