一种汉语发展性阅读障碍预测系统及其预测方法技术方案

本发明专利技术公开了一种汉语发展性阅读障碍预测系统及其预测方法，包括计算机和内嵌于计算机中运行的经训练完毕的神经网络模型，神经网络模型包括输入层神经元模块、隐含层神经元模块和输出层神经元模块，输入层神经元模块和输出层神经元模块分别与计算机主界面上所设置的输入模块和预测模块进行数据传输，输入层神经元模块中包括用于输入被试的人口统计学信息、参加语音意识测验的类型和阅读相关认知测验信息的若干个神经元节点，隐含层神经元模块中包含若干个隐含层神经元节点，输出层神经元模块用于输出是否患有发展性阅读障碍的预测结果。本发明专利技术使用机器学习能够拟合任意复杂、模糊数据关系的误差反向传递神经网络技术，能够高效、准确预测汉语发展性阅读障碍。准确预测汉语发展性阅读障碍。准确预测汉语发展性阅读障碍。

【技术实现步骤摘要】
一种汉语发展性阅读障碍预测系统及其预测方法


[0001]本专利技术涉及阅读障碍识别
，具体涉及一种汉语发展性阅读障碍预测系统及其预测方法。

技术介绍

[0002]现有的汉语发展性阅读障碍的预测技术是以儿童的行为测验成绩为基础，使用传统的Logistic回归模型进行模拟，得到最终的预测评估模型(例如：Shu,McBride-Chang,Wu,&Liu,2006；Li,Shu,McBride-Chang,Liu,&Xue,2009；董琼,李虹,伍新春,潘敬儿,张玉平,阮氏芳,2012；Tong,Tong,&King Yiu,2018)。但是，当前针对汉语儿童发展性阅读障碍的预测评估模型存在以下缺陷：
[0003]1)Logistic回归方法模拟数据时需要满足数据线性、独立、正态分布以及方差齐性(Lyu&Zhang,2019)，但是阅读障碍儿童属于特殊群体，并且在测试成绩上很难满足上述要求，这会导致获得的预测评估模型的预测结果不准确或预测偏差较大(Lyu&Zhang,2019)。
[0004]2)发展性阅读障碍是由多种因素相互影响、共同作用的结果(Morris et al.,1998)，其影响因素之间的复杂关系也很难通过Logistic回归这样简单的数学模式精确表征，由Logistic回归方法得到的预测评估模型总体预测准确率并不高(<82％)。
[0005]3)现有的预测评估模型在构建时模拟数据的样本量过少(n<150)，很难有效地反映客观规律，造成模型预测准确率偏低。
[0006]4)现有的预测评估模型仅作为实证研究的一种技术手段，并没有被制作为可以大规模临床、科研应用的检测系统。

技术实现思路

[0007]本专利技术针对现有汉语发展性阅读障碍的预测评估模型数据拟合方式、训练样本较小以及尚未应用于实际等不足，提供一种汉语发展性阅读障碍预测系统及其预测方法，通过使用经遗传算法优化的误差反向传递神经网络技术训练大量已有诊断数据，最后以训练、验证完毕的神经网络为核心进行图形用户界面程序设计，并封装为可在Windows 64位系统中安装和运行，能够对汉语发展性阅读障碍进行预测的评估系统。
[0008]本专利技术采用如下技术方案：
[0009]一方面，本专利技术提供了一种汉语发展性阅读障碍预测系统，其特征在于，所述系统包括计算机和内嵌于所述计算机中运行的经训练完毕的神经网络模型，所述神经网络模型包括数据信号传输的输入层神经元模块、隐含层神经元模块和输出层神经元模块，所述输入层神经元模块、隐含层神经元模块和输出层神经元模块间数据信号与各个神经元的权重值和偏置加权求和并通过模块间的传递函数由左到右依次传播；所述输入层神经元模块和输出层神经元模块分别与所述计算机主界面上所设置的输入模块和预测模块进行数据传输，所述输入层神经元模块中包括用于输入被试的人口统计学信息、参加语音意识测验的
类型和阅读相关认知测验信息的若干个神经元节点，所述隐含层神经元模块中包含若干个隐含层神经元节点，所述输出层神经元模块用于输出是否患有发展性阅读障碍的预测结果。
[0010]所述输入层神经元模块中包括14个神经元节点，其依次为被试的性别、年级、年龄、参加语音意识测验的类型以及阅读流畅性、阅读准确性、语素意识、语音意识、图片快速命名、数字快速命名、判断假字正确率、判断非字正确率、判断假字反应时和判断非字反应时成绩；所述隐含层神经元模块中包含12个隐含层神经元节点。
[0011]所述输入模块包括个体预测模块和团体预测模块，所述个体预测模块用于录入被试的人口统计学信息、参加语音意识测验的类型和阅读相关认知测验信息，并对输入的个体数据进行汉语发展性阅读障碍预测；所述团体预测模块用于导入团体数据，并对导入的团体数据进行汉语发展性阅读障碍预测。
[0012]所述神经网络模型中采用trainlm函数作为训练函数，所述隐含层神经元模块采用的传递函数为S型tangent函数，所述输出层神经元模块采用的传递函数为S型logarithmic函数。
[0013]进一步地，所述神经网络模型为经遗传算法对其初始权重值和偏置进行优化的神经网络模型，优化的神经网络模型经训练后，将所得最优解的神经网络模型进行保存，用于对被试进行阅读障碍预测。
[0014]另一方面，本专利技术还提供了一种基于汉语发展性阅读障碍预测系统的预测方法，
[0015]步骤1、收集儿童的人口学和测试数据；
[0016]步骤2、对性别、年级、被试参加语音意识测试的类型进行重新编码，被试年龄以及各项阅读相关技能变量用原始数据直接编码；
[0017]步骤3、将需测试的被试数据经计算机主界面上的输入模块输入；
[0018]步骤4、系统将调用原始数据集与输入数据进行合并，并归一化；
[0019]步骤5、系统以归一化后的输入数据作为输入层神经元模块的输入层，经调用“sim”函数并使用训练完毕的神经网络模型进行汉语发展性阅读障碍预测计算；
[0020]步骤6、预测结果直接由计算机主界面上显示。
[0021]所述步骤5中神经网络模型的构建方法是：
[0022]步骤5.1、收集发展性阅读障碍儿童和正常儿童的原始筛查数据，训练前将原始数据随机分为训练集和测试集两个集合；
[0023]步骤5.2、使用trainlm函数作为训练函数，设置期望误差为1
×
10-5
，最大训练epochs为1000，学习率为0.05；
[0024]步骤5.3、将所得原始数据归一化；
[0025]步骤5.4、利用公式其中H为隐含层神经元节点个数，M为输入层神经元节点的个数，N为输出层神经元节点的个数，α为常数1～10；使用试误法(trial-and-error)对H进行逐点试验，利用原始数据中的训练集数据对每个H进行至少50次拟合，每次拟合后计算拟合优度R2和均方根误差RMSE，取R2值和RMSE值的平均作为不同节点数下模型拟合度和精度的评价指标；最后选取R2最高和RMSE最低的H作为隐含层神经元节点的个数；
[0026]步骤5.5、使用遗传算法对构建的神经网络模型进行优化，将最优的初始权重值和偏置赋值给构建的神经网络模型，使用原始数据中的训练集数据对所构建的神经网络模型
进行训练并保存最终的神经网络模型；
[0027]步骤5.6、通过调用sim函数并使用训练完毕的神经网络模型对原始数据中的测试集进行测试，得到神经网络模型的预测结果。
[0028]所构建的神经网络模型为包含14个神经元节点的输入层神经元模块、包含12个隐含层神经元节点的隐含层神经元模块和包含有1个输出层神经元节点的输出层神经元模块。
[0029]其中步骤5.5中遗传算法对构建的神经网络模型进行优化的具体方法是：
[0030]步骤5.5.1、使用ones函数将所构建的14本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汉语发展性阅读障碍预测系统，其特征在于，所述系统包括计算机和内嵌于所述计算机中运行的经训练完毕的神经网络模型，所述神经网络模型包括数据信号传输的输入层神经元模块、隐含层神经元模块和输出层神经元模块，所述输入层神经元模块、隐含层神经元模块和输出层神经元模块间数据信号与各个神经元的权重值和偏置加权求和并通过模块间的传递函数由左到右依次传播；所述输入层神经元模块和输出层神经元模块分别与所述计算机主界面上所设置的输入模块和预测模块进行数据传输，所述输入层神经元模块中包括用于输入被试的人口统计学信息、参加语音意识测验的类型和阅读相关认知测验信息的若干个神经元节点，所述隐含层神经元模块中包含若干个隐含层神经元节点，所述输出层神经元模块用于输出是否患有发展性阅读障碍的预测结果。2.根据权利要求1所述的汉语发展性阅读障碍预测系统，其特征在于，所述输入层神经元模块中包括14个神经元节点，其依次为被试的性别、年级、年龄、参加语音意识测验的类型以及阅读流畅性、阅读准确性、语素意识、语音意识、图片快速命名、数字快速命名、判断假字正确率、判断非字正确率、判断假字反应时和判断非字反应时成绩；所述隐含层神经元模块中包含12个隐含层神经元节点。3.根据权利要求1所述的汉语发展性阅读障碍预测系统，其特征在于，所述输入模块包括个体预测模块和团体预测模块，所述个体预测模块用于录入被试的人口统计学信息、参加语音意识测验的类型和阅读相关认知测验信息，并对输入的个体数据进行汉语发展性阅读障碍预测；所述团体预测模块用于导入团体数据，并对导入的团体数据进行汉语发展性阅读障碍预测。4.根据权利要求1所述的汉语发展性阅读障碍预测系统，其特征在于，所述神经网络模型中采用trainlm函数作为训练函数，所述隐含层神经元模块采用的传递函数为S型tangent函数，所述输出层神经元模块采用的传递函数为S型logarithmic函数。5.根据权利要求1-4任一所述的汉语发展性阅读障碍预测系统，其特征在于，所述神经网络模型为经遗传算法对其初始权重值和偏置进行优化的神经网络模型，优化的神经网络模型经训练后，将所得最优解的神经网络模型进行保存，用于对被试进行阅读障碍预测。6.一种基于汉语发展性阅读障碍预测系统的预测方法，其特征在于，步骤1、收集儿童的人口学和测试数据；步骤2、对性别、年级、被试参加语音意识测试的类型进行重新编码，被试年龄以及各项阅读相关技能变量用原始数据直接编码；步骤3、将需测试的被试数据经计算机主界面上的输入模块输入；步骤4、系统将调用原始数据集与输入数据进行合并，并归一化；步骤5、系统以归一化后的输入数据作为输入层神经元模块的输入层，经调用“sim”函数并使用训练完毕的神经网络模型进行汉语发展性阅读障碍预测计算；步骤6、预测结果直接由计算机主界面上显示。7.根据权利要求6所述的基于汉语发展性阅读障碍预测系统的预测方法，其特征在于，所述步骤5中神经网络模型的构建方法是：步骤...

【专利技术属性】
技术研发人员：毕鸿燕，王润洲，
申请(专利权)人：中国科学院心理研究所，
类型：发明
国别省市：