解释信息生成方法及电子设备技术

本申请实施例提供了一种解释信息生成方法及电子设备，包括：将多模态数据输入至目标注意力评估模型，获得目标注意力评估模型的中间级输出的深度特征和目标注意力评估模型的末级输出的目标评估结果；根据多模态数据中各数据的重要性程度，得到多模态数据的数据权重分布信息；根据深度特征中各特征的重要性程度，得到深度特征的特征权重分布信息；根据目标评估结果对应的输入数据和目标注意力评估模型的模型结构，得到目标评估结果对应的决策依据信息；合并决策依据信息、数据权重分布信息和特征权重分布信息，得到目标注意力评估模型的解释信息；将解释信息与目标注意力评估模型相关联，得到包括注意力评估模型和解释信息的模型文件。的模型文件。的模型文件。

【技术实现步骤摘要】
解释信息生成方法及电子设备


[0001]本公开实施例涉及神经网络领域，更具体地，涉及一种解释信息生成方法及电子设备。

技术介绍

[0002]注意缺陷多动障碍(attention
‑
deficit/hyperactivity disorder,ADHD)是最为常见的儿童神经发育性疾病之一，主要表现为注意力缺乏、多动或者冲动。我国有不低于1000万的儿童患有ADHD，给社会和家庭造成沉重负担。ADHD儿童目前的诊断仍以医生的主观经验判断为主，缺乏客观的评价指标。脑电(Electroencephalogram，EEG)采集便捷，具有高时间分辨率的优势，是研究注意过程神经活动规律的主要脑成像手段之一。ADHD儿童的脑电研究近年来正在不断发展，发现了众多关键特征并建立了多种注意评估模型。
[0003]为了解决ADHD儿童早期诊断的迫切需求，通常开展基于脑电的深度学习注意评估研究，发展特征提取方法，可以解决深度模型构建关键问题；但是，模型在临床应用中存在的不透明性问题。

技术实现思路

[0004]本公开的一个目的是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种解释信息生成方法，其特征在于，包括：获取待评估用户的多模态数据；其中，所述多模态数据包括多个从不同角度反映所述用户的注意力特征的模态数据，所述多模式数据包括脑电数据；将所述多模态数据输入至目标注意力评估模型，获得所述目标注意力评估模型的中间级输出的深度特征和所述目标注意力评估模型的末级输出的目标评估结果；其中，所述深度特征用于表征所述脑电数据的各个通道的频率和强度，所述目标评估结果表示所述用户的注意力集中程度；根据所述多模态数据中各数据的重要性程度，得到所述多模态数据的数据权重分布信息；根据所述深度特征中各特征的重要性程度，得到所述深度特征的特征权重分布信息；根据所述目标评估结果对应的输入数据和所述目标注意力评估模型的模型结构，得到所述目标评估结果对应的决策依据信息；合并所述决策依据信息、所述数据权重分布信息和特征权重分布信息，得到所述目标注意力评估模型的解释信息；将所述解释信息与所述目标注意力评估模型相关联，得到包括所述注意力评估模型和所述解释信息的模型文件。2.根据权利要求1所述的方法，其特征在于，所述多模态数据包括以下至少一项：所述待评估用户的脑电数据、反映所述用户当前认知行为特征的第一行为特征数据和反映所述用户历史认知行为特征的第二行为特征数据，其中，所述脑电数据包括静息态脑电数据，所述第二行为特征数据通过收集所述用户以外的其他用户针对所述用户的认知行为评价数据获得。3.根据权利要求1所述的方法，其特征在于，所述根据所述深度特征中各特征的重要性程度，得到所述深度特征的特征权重分布信息，包括：分析所述深度特征，得到所述深度特征中各特征的重要性程度；根据所述深度特征中各特征的重要性程度，从所述深度特征中选取部分特征作为目标特征；根据每一所述目标深度特征的重要性程度，得到所述特征权重分布信息。4.根据权利要求2所述的方法，其特征在于，所述根据所述深度特征中各特征的重要性程度，得到所述深度特征的特征权重分布信息，包括：根据所述深度特征与所述第一行为特征数据和所述第二行为特征数据的相关性，得到相关性信息；基于所述相关性信息和注意力缺陷及多动障碍机制，得到所述深度特征的特征权重分布信息。5.根据权利要求2所述的方法，其特征在于，所述将所述多模态数据输入至所述目标注意力评估模型，获得所述目标注意力评估模型的末级输出的目标评估结果，包括：对所述脑电数据进行预设转换处理，获得目标脑电数据，其中，所述预设转换处理包括对所述脑电数据在时间域和空间域上的对应数据进行转换的处理；将所述目标脑电数据、所述第一行为特征数据和所述第二行为特征数据输入所述目标注意力评估模型中，获得所述目标评估结果。
6.根据权利要求5所述的方法，其特征在于，所述脑电数据为多通道数据，所述对所述...

【专利技术属性】
技术研发人员：李小俚，陈贺，张昊，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：