基于计算机视觉的抑郁状态评估方法、装置、终端及介质制造方法及图纸

本发明专利技术公开了一种基于计算机视觉的抑郁状态评估方法、装置、终端及介质。该方法包括：采集标注有抑郁类别且同时包含有非抑郁受试者的人脸视频数据，截取人脸图片的关键区域图片，将关键区域图片按时间序列进行拼接得到对应的面部数据、眼部数据和嘴部数据，利用上述数据训练各关键区域的特征提取模型，得到对应的特征提取器，通过该特征提取器提取各关键区域的特征向量后进行特征融合，根据特征融合矩阵对抑郁状态评估模型进行训练，得到抑郁状态评估器。本发明专利技术采用人脸视频数据包含的人脸图片序列作为输入数据，降低了抑郁状态评估的偶然性和错误率，将不同特征进行融合，增加了模型对眼部和嘴部的注意力，提高了模型对抑郁状态评估的准确度。态评估的准确度。态评估的准确度。

【技术实现步骤摘要】
基于计算机视觉的抑郁状态评估方法、装置、终端及介质


[0001]本专利技术实施例涉及人工智能领域中的计算机视觉技术，尤其涉及一种基于计算机视觉的抑郁状态评估方法、装置、终端及介质。

技术介绍

[0002]精神障碍，尤其是抑郁障碍，逐渐成为全球范围内人们主要的负担疾病之一。当前世界范围内的抑郁障碍诊疗指南大多强调基于评估的诊断、治疗与协作医疗模式。由于抑郁障碍的病因与发病机制还未明确，临床上尚不能进行病因学诊断，而是根据症状的特征与演变进行诊断和鉴别诊断，因此常用的评估工具以就诊者自评和医生他评为主。自评和他评的方法均以量表为基础，量表涵盖了一系列症状表现，就诊者需要根据自己过去一段时间的实际情况，自主填写或与医生沟通量表中所列症状的数量、类型及严重程度。最后医生可基于量表打分，作为诊断参考。但是这类方法具有复杂度高、主观性强等特性，误诊率相对较高，也需要消耗大量人力。
[0003]关于抑郁障碍的生物、心理、社会研究有着丰富的成果，而近十年存在较大技术突破的机器学习技术也逐步被推广到医学、生命科学等学科应用中，其中就包括抑郁障碍诊断。该研本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的抑郁状态评估方法，其特征在于，包括：S1、采集标注有抑郁类别且同时包含有非抑郁受试者的人脸视频数据；S2、对所述人脸视频数据进行均匀抽帧，分别截取每一帧人脸图片的关键区域图片；所述关键区域包括面部区域、眼部区域以及嘴部区域；S3、将同一受试者的同一关键区域图片在RGB通道上按时间序列进行拼接得到对应的面部数据、眼部数据以及嘴部数据；S4、根据所述面部数据、眼部数据、嘴部数据、抑郁类别对面部特征提取模型、嘴部特征提取模型以及眼部特征提取模型进行训练，以得到训练后的面部特征提取器、嘴部特征提取器以及眼部特征提取器；S5、分别将所述面部数据、眼部数据以及嘴部数据输入所述面部特征提取器、嘴部特征提取器以及眼部特征提取器，以得到面部特征向量、眼部特征向量以及嘴部特征向量；S6、将所述面部特征向量、眼部特征向量以及嘴部特征向量按顺序进行拼接，得到特征融合矩阵；S7、根据所述特征融合矩阵、抑郁类别对抑郁状态评估模型进行训练，得到抑郁状态评估器，以通过所述抑郁状态评估器输出被评估对象的抑郁状态评估结果。2.根据权利要求1所述的方法，其特征在于，所述S3包括：将同一受试者的同一段人脸视频数据的所有面部区域图像在RGB通道上按时间序列进行拼接，得到对应受试者的面部数据；将同一受试者的同一段人脸视频数据的所有眼部区域图像在RGB通道上按时间序列进行拼接，得到对应受试者的眼部数据；将同一受试者的同一段人脸视频数据的所有嘴部区域图像在RGB通道上按时间序列进行拼接，得到对应受试者的嘴部数据。3.根据权利要求1所述的方法，其特征在于，所述面部特征提取模型、嘴部特征提取模型以及眼部特征提取模型均为采用残差结构为主干网络的深度神经网络。4.根据权利要求1所述的方法，其特征在于，所述S4包括：将所述面部数据、抑郁类别分别作为训练数据和训练标签对所述面部特征提取模型进行训练，根据训练得到的面部特征提取模型的最优参数生成面部特征提取器；将所述眼部数据、抑郁类别分别作为训练数据和训练标签对所述眼部特征提取模型进行训练，根据训练得到的眼部特征提取模型的最优参数生成眼部特征提取器；将所述嘴部数据、抑郁类别分别作为训练数据和训练标签对所述嘴部特征提取模型进行训练，根据训练得到的嘴部特征提取模型的最优参数生成嘴部特征提取器。5.根据权利要求1所述的方法，其特征在于，所述抑郁状态评估模型为采用注意力机制的深度神经网络。6.根据权利要求1所述的方法...

【专利技术属性】
技术研发人员：陈扬斌，束俊，
申请(专利权)人：苏州复变医疗科技有限公司，
类型：发明
国别省市：