【技术实现步骤摘要】
基于自适应近邻传播自聚类模型的婴儿脑发育量化评估系统
[0001]本专利技术属于婴儿行为分析评估
，具体涉及一种基于自适应近邻传播自聚类模型的婴儿脑发育量化评估系统。
技术介绍
[0002]儿科医师可以通过床旁观察分析婴儿的自发运动质量，依靠经验诊断婴儿的脑发育程度，此类诊断方式严重依赖医师的主观经验，导致漏诊、误诊率较高，同时无法满足欠发达地区的诊疗需求，目前现有技术存在部分基于视频的智能分类系统([1]K.D.McCay et al.,"A pose
‑
based feature fusion and classification framework for the early prediction of cerebral palsy in infants,"IEEE Transactions on Neural Systems and Rehabilitation Engineering,vol.30,pp.8
‑
19,2021；[2]D.Sakkos,K.D.Mccay,C....
【技术保护点】
【技术特征摘要】
1.基于自适应近邻传播自聚类模型的婴儿脑发育量化评估系统，其特征在于：包括婴儿姿态识别模块(1)、信息预处理模块(2)、运动特征提取模块(3)、自适应近邻传播自聚类模块(4)、多维指标分析模块(5)和结果可视化模块(6)；婴儿姿态识别模块(1)的输入是婴儿运动视频，婴儿姿态识别模块(1)的输出与信息预处理模块(2)的输入相连，信息预处理模块(2)的输出与运动特征提取模块(3)的输入相连，运动特征提取模块(3)的输出与自适应近邻传播自聚类模块(4)的第一输入相连，自适应近邻传播自聚类模块(4)的第一输出与多维指标分析模块(5)的输入相连，自适应近邻传播自聚类模块(4)的第二输出与自适应近邻传播自聚类模块(4)的第二输入相连，实现自适应特性，自适应近邻传播自聚类模块(4)的第三输出与结果可视化模块(6)的输入相连，多维指标分析模块(5)的输出与结果可视化模块(6)的输入相连。2.根据权利要求1所述的系统，其特征在于：所述的婴儿姿态识别模块(1)将姿态识别的关节点分为4个肢体部分以便于进行后续的可视化及评估，4个肢体部分分别为LA(左臂)＝{左肩、左肘，左腕}，RA(右臂)＝{右肩、右肘，右腕}，LL(左腿)＝{左髋、左膝，左踝}，RL(右腿)＝{右髋、右膝，右踝}。3.根据权利要求2所述的系统，其特征在于：所述的信息预处理模块(2)首先对所有的关节点序列{J
i,t
(x,y)}进行插值操作,i为对应肢体的关节点定义，t为序列中的时间帧，x和y分别为对应关节点的坐标；选取时长和步长的时间窗，采用线性插值对{J
i,t
(x,y)}插值；进而对插值后的{J
i,t
(x,y)}进行中值滤波，去除野点和姿态识别中的噪声、抖动影响；选取时间窗，对时间窗内的{J
i,t
(x,y)}选取中值作为当前t时刻的坐标；之后对中值滤波后的{J
i,t
(x,y)}进行平滑滤波处理，选取时长和步长的时间窗，计算时间窗内的坐标的平均值作为当前t时刻的坐标值。4.根据权利要求3所述的系统，其特征在于：所述的运动特征提取模块(3)包括特征计算模块、归一化模块、序列切分模块和特征编码模块；特征计算模块计算每个肢体部分包含的关节点坐标、速度和对应的骨骼长度参数作为特征；速度计算公式如下：V
i，t
＝J
i,t+1
‑
J
i,t
，其中V
i，t
为第i个关节点在t时刻的速度，J
i,t+1
为第i个关节点在t+1时刻坐标；骨骼长度计算公式如下：D
i，t
＝||J
i,t
‑
J
i
‑
1,t
||2，其中D
i，t
为第i个关节点所在骨骼在t时刻的像素尺度长度；则每个肢体部分t时刻的特征X
b，t
表示为：X
b，t
＝(J
i,t
,V
i，t
,D
i，t
，J
【专利技术属性】
技术研发人员：吴庆强，徐光华，韩丞丞，魏帆，李泽江，覃芃淋，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。