一种基于深度学习的自闭症儿童刻板动作诊断系统技术方案

本发明专利技术涉及计算机辅助诊断技术领域，公开了一种基于深度学习的自闭症儿童刻板动作诊断系统，包括：数据采集模块，用于获取待诊断对象视频数据；动作识别模块，用于对所述视频数据，通过姿态估计算法，得到骨骼节点坐标序列数据；对骨骼节点坐标序列数据，计算得到骨骼向量序列数据；对视频数据，读取为图像序列形式，得到图像序列数据；对图像序列数据，通过光流估计算法，得到光流序列数据；基于所述骨骼节点坐标序列数据、骨骼向量序列数据、图像序列数据和光流序列数据，利用训练好的动作识别模型对视频数据进行刻板动作识别。更充分地利用视频数据进行诊断，得到的诊断效果较为准确，而且不需要深度摄像设备，成本较低。成本较低。成本较低。

【技术实现步骤摘要】
一种基于深度学习的自闭症儿童刻板动作诊断系统


[0001]本专利技术涉及计算机辅助诊断
，特别是涉及一种基于深度学习的自闭症儿童刻板动作诊断系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]孤独症谱系障碍(Autism spectrum disorder，ASD)是一系列复杂的神经发展障碍性疾病，会影响社交、沟通和行为方面的能力。对ASD而言，儿童期是康复的关键时期，而早期诊断对ASD患者的康复至关重要。刻板动作作为ASD的核心症状，对其进行诊断的重要性不言而喻。
[0004]目前对刻板动作进行诊断的方法普遍是通过纸笔评分量表、直接观察或基于视频的方法，这些方法会耗费人力和时间，其诊断结果会受主观性影响且难以量化。
[0005]因此，如何提供一种基于深度学习的自闭症儿童刻板动作诊断方法及系统，智能且更客观地对刻板动作进行诊断，成为一个亟待解决的问题。
[0006]为解决这一问题，目前的研究一般是根据通过可穿戴式传感器或摄像机采集得到的数据进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的自闭症儿童刻板动作诊断系统，其特征是，包括：数据采集模块，用于获取待诊断对象视频数据；动作识别模块，用于对所述视频数据，通过姿态估计算法，得到骨骼节点坐标序列数据；对骨骼节点坐标序列数据，计算得到骨骼向量序列数据；对视频数据，读取为图像序列形式，得到图像序列数据；对图像序列数据，通过光流估计算法，得到光流序列数据；基于所述骨骼节点坐标序列数据、骨骼向量序列数据、图像序列数据和光流序列数据，利用训练好的动作识别模型对视频数据进行刻板动作识别。2.如权利要求1所述的一种基于深度学习的自闭症儿童刻板动作诊断系统，其特征是，还包含：目标检测模块，用于检测出所述视频数据中的人体所在区域。3.如权利要求2所述的一种基于深度学习的自闭症儿童刻板动作诊断系统，其特征是，还包含：视频处理模块，用于根据所述目标检测模块得到的人体所在区域，对视频数据进行裁切，并按照一定帧率，对已裁切的视频数据进行采样，再缩放至一定尺寸后，输入所述动作识别模块。4.如权利要求1所述的一种基于深度学习的自闭症儿童刻板动作诊断系统，其特征是，所述骨骼节点坐标序列数据包括：鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左肘、右肘、左腕、右腕、左髋、右髋、左膝、右膝、左踝和右踝的坐标。5.如权利要求1所述的一种基于深度学习的自闭症儿童刻板动作诊断系统，其特征是，所述骨骼向量序列数据为相连两个骨骼节点的坐标序列数据的差值。6.如权利要求1所述的一种基于深度学习的自闭症儿童刻板动作诊断系统，其特征是，所述动作识别模型包括一个输入所述骨骼节点坐标序列数据的自适应图卷积神经网络、一个输入所述骨骼向量序列数据的自适应图卷积神经网络、一个输入所述...

【专利技术属性】
技术研发人员：刘娟，姚雯馨，卞玉龙，吴俊贤，袁嫣然，
申请(专利权)人：山东大学，
类型：发明
国别省市：