一种基于深度学习行为熵的抑郁症识别系统技术方案

本发明专利技术公开了一种基于深度学习行为熵的抑郁症识别系统，其包括：至少一个影像数据获取单元，用于识别待测者的面部表情及肢体动作；表情模块，根据影像数据获取单元获取的面部表情，提取待测者的面部表情特征，并获得对应的七种表情出现的概率；动作模块，根据影像数据获取单元获取的肢体动作，提取待测者的在图像中的位点位置信息；行为熵模型，根据表情模块及动作模块获取的信息，输出代表抑郁度的行为熵指标。通过获取待测者的面部表情及肢体动作，进而得到表情熵及动作熵，并获得代表抑郁度的行为熵，利用深度学习的方式提高行为熵的获取准确性，进而可以达到更高的抑郁度自动识别的效果，对医生提供诊断的参考。对医生提供诊断的参考。对医生提供诊断的参考。

A depression recognition system based on deep learning behavior entropy

【技术实现步骤摘要】
一种基于深度学习行为熵的抑郁症识别系统


[0001]本专利技术利用深度学习定义的行为熵来表征抑郁度，具体涉及一种基于深度学习行为熵的抑郁症识别系统。

技术介绍

[0002]临床上对抑郁症的诊断主要通过患者健康问卷抑郁量表(the Patient Health Questionnaire Depression Scores，QDS)、汉密顿抑郁量表(Hamilton Depression Scale，HAMD)、抑郁自评量表(Self
‑
rating Depression Scale，SDS)、焦虑自评量表(Self
‑
rating Anxiety Scale，SAS)以及医生的问答进行综合判断.
[0003]一、汉密顿抑郁量表大部分项目采用0～4分的5级评分法。各级的标准为：i(0)无；(1)轻度；(2)中度；(3)重度；(4)极重度。少数项目采用0～2分的3级评分法，l其分级的标准为：i(0)无；(1)轻～中度；(2)重度。总分超过24分为严重抑郁，超过17分为轻或中度抑郁，小于7分无抑郁症状。...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习行为熵的抑郁症识别系统，其特征在于：其包括：至少一个影像数据获取单元，用于识别待测者的面部表情及肢体动作；表情模块，根据影像数据获取单元获取的面部表情，提取待测者的面部表情特征，并获得对应的七种表情出现的概率；动作模块，根据影像数据获取单元获取的肢体动作，提取待测者的在图像中的位点位置信息；行为熵模型，根据表情模块及动作模块获取的信息，输出代表抑郁度的行为熵指标，其构建方式如下：首先，利用表情模块获得的七种表情出现的概率计算出表情熵其中H(X)表示表情熵，p(x
i
)表示第i种表情出现的概率；其次利用动作模块获取的待测者的位点位置信息，并通过相邻两幅图片的位置移动距离D，得到动作熵其中G(Y)表示动作熵，D(y
j
)表示第j个位点的位置移动距离，最后利用λ线性拟合表情熵及动作熵，得到行为熵F(X,Y)＝λH(X)+(1
‑
λ)G(Y)，其中F(X,Y)表示行为熵，λ表示配比参数。2.根据权利要求1所述的一种基于深度学习行为熵的抑郁症识别系统，其特征在于：所述影像数据获取单元包括用于对获取的视频进行分帧操作的图片提取模块。3.根据权利要求1或2所述的一种基于深度学习行为熵的抑郁症识别系统，其特征在于：所述影像数据...

【专利技术属性】
技术研发人员：刘东东，林海，戚德振，邱野，杨国钰，袁钦湄，卢雨儿，曹玉萍，帅建伟，
申请(专利权)人：国科温州研究院温州生物材料与工程研究所，
类型：发明
国别省市：