基于游戏交互的阿尔兹海默症面部数据采集方法及装置制造方法及图纸

本发明专利技术公开了一种基于游戏交互的阿尔兹海默症面部数据采集方法及装置，涉及数据采集技术领域。包括：获取阿尔兹海默症用户在完成游戏交互任务中，生成的人机交互数据以及面部视频数据，其中，面部视频数据包括面部特征数据及眼动轨迹数据；将人机交互数据以及面部视频数据输入到构建好的数据采集模型；基于阿尔兹海默症用户人机交互数据、面部视频数据以及数据采集模型，获得数据库；其中，数据库包括人机交互数据、面部视频数据。本发明专利技术能够解决现有技术中，缺乏阿尔兹海默症人群特征数据库的问题。问题。问题。

【技术实现步骤摘要】
基于游戏交互的阿尔兹海默症面部数据采集方法及装置


[0001]本专利技术涉及数据采集
，特别是指一种基于游戏交互的阿尔兹海默症面部数据采集方法及装置。

技术介绍

[0002]AD(Alzheimer disease，阿尔茨海默氏病)是最普遍的痴呆症，病情的不断发展干扰着老年人的日常生活，每年死亡人数的比例大幅度增加。2006年，全球阿尔茨海默氏病患病率为2660万。到2050年，该疾病的患病率将翻两番，届时全世界85人中将有1人患有这种疾病。一些阿尔茨海默氏症患者在40、50、60年代出现症状并迅速恶化，常常丧失其语言能力。阿尔茨海默氏病不是正常衰老的一部分，平均发病年龄为75岁。越来越多的机构在痴呆症的早期发现、预防和疾病管理等方面进行了大量的投资，因此，拥有一个经济、高效且能够用于大规模的阿尔兹海默症初步筛查的方法变得至关重要。
[0003]现在，AD的早期诊断工具通常是一些大型的设备，例如FMRI(functional magnetic resonance imaging，功能磁共振成像)和CT(Computed Tomography，计算机断层扫描)，采用这些工具很昂贵并且花费很多时间，不适用于社区性质的大规模、大范围的筛查。另外，面部失用症是指患者在面部表现方面存在障碍，运动计划和结果存在偏差。失用症是阿尔茨海默氏病特征的认知缺陷之一，尽管该病在诊断阿尔茨海默氏病方面很盛行且具有相关性，但该话题很少受到关注，没有合适的计算机任务范式去定义面部特征与患病的关系，以及AD患者下面部(口、舌、喉)和上面部(眼、眉)失用的发生率与痴呆严重程度的关系。
[0004]当前AD缺乏面部视频的采集方法和面部数据库的建立，这阻碍了其转化为临床实践的可能。

技术实现思路

[0005]本专利技术针对现有技术缺乏阿尔兹海默症人群特征数据库的问题，提出了本专利技术。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：
[0007]一方面，本专利技术提供了一种基于游戏交互的阿尔兹海默症面部数据采集方法，该方法由电子设备实现，该方法包括：
[0008]S1、获取阿尔兹海默症用户在完成游戏交互任务中，生成的人机交互数据以及面部视频数据，其中，面部视频数据包括面部特征数据及眼动轨迹数据。
[0009]S2、将人机交互数据以及面部视频数据输入到构建好的数据采集模型。
[0010]S3、基于阿尔兹海默症用户人机交互数据、面部视频数据以及数据采集模型，获得数据库；其中，数据库包括人机交互数据、面部视频数据。
[0011]可选地，游戏交互任务包括视空间理解任务、执行能力评判任务、注意力评判任务和记忆能力评判任务。
[0012]视空间理解任务包括：水果从智能移动终端显示屏顶端接连掉落，阿尔兹海默症
用户在规定的上下区域内通过点击来接住水果。
[0013]执行能力评判任务包括：阿尔兹海默症用户将接到的水果根据指定路线滑动放入果篮中。
[0014]注意力评判任务包括：阿尔兹海默症用户持续关注果篮中的水果，如果有水果成熟发生变色，阿尔兹海默症述用户在指定时间内点击成熟的水果。
[0015]记忆能力评判任务包括：智能移动终端显示屏顺序展示包含不同水果的果篮，阿尔兹海默症用户在预留时间内记忆果篮出现的顺序，预留时间结束后，阿尔兹海默症用户点击果篮出现的顺序。
[0016]人机交互数据包括：视空间理解任务得分、执行能力评判任务得分、注意力评判任务得分和记忆能力评判任务得分。
[0017]可选地，数据采集模型包括数据处理模块、针对性训练模块和数据库构建模块。
[0018]S3中的基于阿尔兹海默症用户人机交互数据、面部视频数据以及数据采集模型，获得数据库包括：
[0019]S31、将面部视频数据输入到数据处理模块，得到数据处理后的面部视频数据。
[0020]S32、将人机交互数据和面部视频数据输入到针对性训练模块，对其中得分低于预设阈值的游戏交互任务进行针对性训练；其中，针对性训练为游戏交互任务的重复执行。
[0021]S33、将数据处理后的面部视频数据输入到数据库构建模块，得到数据库。
[0022]可选地，数据处理模块包括视频数据预处理模块、人脸检测模块和特征表示模块。
[0023]S31中的数据处理模块将面部视频数据进行数据处理，得到数据处理后的面部视频数据包括：
[0024]S311、将面部视频数据输入到数据预处理模块，得到预处理后的面部视频数据；其中，预处理后的面部视频数据为面部视频数据进行视频截帧、图像几何变化和数据增广后的面部视频数据；
[0025]S312、将预处理后的面部视频数据输入到人脸检测模块，得到人脸定位后的面部视频数据。
[0026]S313、将人脸定位后的面部视频数据输入到特征表示模块，得到特征信息。
[0027]可选地，S313中的将人脸定位后的面部视频数据输入到特征表示模块，得到特征信息包括：
[0028]S3131、提取人脸定位后的面部视频数据的局部感兴趣区域的细粒度变化特征，建立高维特征。
[0029]S3132、获取高维特征的深层次的帧特征之间的相互影响，选取高效的帧特征。
[0030]S3133、根据高效的帧特征和人机交互数据进行特征加权融合。
[0031]S3134、将加权融合后的特征输入到支持向量机模型进行训练，校验特征信息是否具有代表性。
[0032]另一方面，本专利技术提供了一种基于游戏交互的阿尔兹海默症面部数据采集装置，该装置应用于实现基于游戏交互的阿尔兹海默症面部数据采集方法，该装置包括：
[0033]获取模块，用于获取阿尔兹海默症用户在完成游戏交互任务中，生成的人机交互数据以及面部视频数据，其中，所述面部视频数据包括面部特征数据及眼动轨迹数据。
[0034]输入模块，用于将人机交互数据以及面部视频数据输入到构建好的数据采集模
型。
[0035]输出模块，用于基于阿尔兹海默症用户人机交互数据、面部视频数据以及数据采集模型，获得数据库；其中，数据库包括人机交互数据、面部视频数据。
[0036]可选地，游戏交互任务包括视空间理解任务、执行能力评判任务、注意力评判任务和记忆能力评判任务。
[0037]视空间理解任务包括：水果从智能移动终端显示屏顶端接连掉落，阿尔兹海默症用户在规定的上下区域内通过点击来接住水果。
[0038]执行能力评判任务包括：阿尔兹海默症用户将接到的水果根据指定路线滑动放入果篮中。
[0039]注意力评判任务包括：阿尔兹海默症用户持续关注果篮中的水果，如果有水果成熟发生变色，阿尔兹海默症述用户在指定时间内点击成熟的水果。
[0040]记忆能力评判任务包括：智能移动终端显示屏顺序展示包含不同水果的果篮，阿尔兹海默症用户在预留时间内记忆果篮出现的顺序，预留时间结束后，阿尔兹海默症用户点击果篮出现的顺序。
[0041]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于游戏交互的阿尔兹海默症面部数据采集方法，其特征在于，所述方法包括：S1、获取阿尔兹海默症用户在完成游戏交互任务中，生成的人机交互数据以及面部视频数据，其中，所述面部视频数据包括面部特征数据及眼动轨迹数据；S2、将所述人机交互数据以及面部视频数据输入到构建好的数据采集模型；S3、基于所述阿尔兹海默症用户人机交互数据、面部视频数据以及数据采集模型，获得数据库；其中，所述数据库包括人机交互数据、面部视频数据。2.根据权利要求1所述的方法，其特征在于，所述游戏交互任务包括视空间理解任务、执行能力评判任务、注意力评判任务和记忆能力评判任务；所述视空间理解任务包括：水果从智能移动终端显示屏顶端接连掉落，所述阿尔兹海默症用户在规定的上下区域内通过点击来接住水果；所述执行能力评判任务包括：所述阿尔兹海默症用户将接到的水果根据指定路线滑动放入果篮中；所述注意力评判任务包括：所述阿尔兹海默症用户持续关注果篮中的水果，如果有水果成熟发生变色，所述阿尔兹海默症述用户在指定时间内点击成熟的水果；所述记忆能力评判任务包括：智能移动终端显示屏顺序展示包含不同水果的果篮，所述阿尔兹海默症用户在预留时间内记忆果篮出现的顺序，预留时间结束后，所述阿尔兹海默症用户点击果篮出现的顺序；所述人机交互数据包括：视空间理解任务得分、执行能力评判任务得分、注意力评判任务得分和记忆能力评判任务得分。3.根据权利要求1所述的方法，其特征在于，所述数据采集模型包括数据处理模块、针对性训练模块和数据库构建模块；所述S3中的基于所述阿尔兹海默症用户人机交互数据、面部视频数据以及数据采集模型，获得数据库包括：S31、将所述面部视频数据输入到所述数据处理模块，得到数据处理后的面部视频数据；S32、将所述人机交互数据输入到所述针对性训练模块，对其中得分低于预设阈值的游戏交互任务进行针对性训练；其中，所述针对性训练为所述游戏交互任务的重复执行；S33、将所述数据处理后的面部视频数据输入到所述数据库构建模块，得到数据库。4.根据权利要求3所述的方法，其特征在于，所述数据处理模块包括视频数据预处理模块、人脸检测模块和特征表示模块；所述S31中的数据处理模块将所述面部视频数据进行数据处理，得到数据处理后的面部视频数据包括：S311、将所述面部视频数据输入到所述数据预处理模块，得到预处理后的面部视频数据；其中，所述预处理后的面部视频数据为所述面部视频数据进行视频截帧、图像几何变化和数据增广后的面部视频数据；S312、将所述预处理后的面部视频数据输入到所述人脸检测模块，得到人脸定位后的面部视频数据；S313、将人脸定位后的面部视频数据输入到所述特征表示模块，得到特征信息。5.根据权利要求4所述的方法，其特征在于，所述S313中的将人脸定位后的面部视频数
据输入到所述特征表示模块，得到特征信息包括：S3131、提取所述人脸定位后的面部视频数据的局部感兴趣区域的细粒度变化特征，建立高维特征；S3132、获取所述高维特征的深层次的帧特征之间的相互影响，选取高效的帧特征；S3133、根...

【专利技术属性】
技术研发人员：吕泽平，解仑，李娟，徐涛，王志良，
申请(专利权)人：北京科技大学中国科学院心理研究所，
类型：发明
国别省市：