【技术实现步骤摘要】
本专利技术涉及机器视觉，尤其涉及基于面部识别的精神分裂症患者的辅助分析方法及装置
技术介绍
1、随着人工智能技术的发展，其在医疗领域的应用变得越来越广泛；患者的面部表情可以辅助医生进行精神状态的判断，临床上，发现较多的精神分裂症患者具有不同于正常人和其他精神心理疾病的面部特征表现，医生如果能发现患者的面部表情变化，则可以更好的判断患者的精神状态及其变化；面部识别是基于生物特征的识别方式，使用摄像机作为识别信息获取装置，以非接触的方式获取识别对象的面部图像，计算机在获取图像后与数据库图像进行比对后完成识别过程；对于精神分裂症患者而言，他们的面部表情和肢体语言常常不稳定，并且随着病情的加重变化较大，这给医生的诊断和治疗带来了很大的挑战，面部识别技术可以用于辅助精神分裂症患者的分析和诊断，用于辅助医生对患者的情况进行判断和治疗，从而提供更具体针对性的治疗方案。
2、目前，对于基于面部识别的精神分裂患者的辅助分析有着多方面的研究，如中国专利技术专利cn116343306a公开了一种基于学习的精神分裂症患者的面部表情分析方法及系统，通过采集被试者的面部表情视频，面部表情视频中记录有指示被试者做出的若干面部表情；提取面部表情视频的每一帧中与面部表情对应的面部动作单元的强度值，得到数据集；通过预设的预测模型将数据集与预设的健康对照组进行预测分类，确定被试者是否为精神分裂症；如中国专利技术专利cn107242876a公开了一种用于精神状态辅助诊断的计算机视觉方法，通过使用已确知微表情的面部视频作为训练数据库，使用含有卷积层和池化层的
3、然而，目前基于面部识别的精神分裂症辅助诊断评估，主要采用临床问卷和医生当面访谈的手段，从而对待诊断患者的病情进行评估；未经过系统训练的人对面部表情识别能力不高，对于患者的诊断结果可能会有不够准确的问题，同时患者在面对医生的单独询问的情况下，可能会产生和平常不同的反应，导致患者诊断结果准确性不足。
4、因此，综上所述，现有技术存在精神分裂症病情诊断不够准确的问题。
技术实现思路
1、本申请实施例通过提供基于面部识别的精神分裂症患者的辅助分析方法及装置，解决了现有技术中精神分裂症病情诊断不够准确的问题，实现了提高精神分裂症患者病情诊断的准确性和效率。
2、本申请实施例提供了基于面部识别的精神分裂症患者的辅助分析方法，包括以下步骤：获取已分级的精神分裂症患者和非患者的一定时间内生活片段的录像数据，对录像数据进行分组，一组为精神分裂症患者录像数据，一组为非患者录像数据；将获取到的所有录像数据进行预处理，得到面部录像数据，对预处理后得到的面部录像数据使用关键点定位进行面部特征提取；对非患者的面部特征进行分析得到面部特征综合正常偏移范围，将已分级的精神分裂症患者的面部特征定位信息与面部特征综合正常偏移范围进行对比和分析，确定精神分裂症面部特征指标，精神分裂症面部特征指标用于后续面部特征指标评分数据分析和基于面部特征的精神分裂症患病等级评估模型建立；根据已分级的精神分裂症患者的面部特征数据中，对面部特征指标进行评分，得到面部特征指标评分数据，评分数据用于基于面部特征的精神分裂症患病等级评估模型中权重的调整；根据精神分裂症面部特征指标和面部特征指标权重，建立基于面部特征的精神分裂症患病等级评估模型，结合精神分裂症面部特征指标评分数据，调整面部特征指标权重；获取待诊断精神分裂症患者一定时间录像，对录像数据进行预处理获取面部录像数据，对面部录像数据进行面部特征提取，将待诊断患者的面部特征数据代入基于面部特征的精神分裂症患病等级评估模型，得知待诊断患者的精神分裂症患病等级的评估结果，为医生提供辅助决策的依据。
3、进一步的，所述将获取到的所有录像进行预处理的具体方法为：将获取到的所有录像视频数据进行标准化处理，使得它们拥有相同的分辨率、帧率和视频格式；将所有录像视频进行降噪处理，并当录像视频存在抖动时，采用视频去抖动稳定录像画面；将录像视频分解为一系列连续的图像帧，对每一帧图像进行图像增强操作，提高图像质量和清晰度；将每一帧图像进行人脸检测和定位，将识别出来的人脸区域从图像帧中截取出来，得到面部图像帧；对面部图像帧中的人脸进行对齐操作，得到人脸位置标准图像，继续对面部图像帧中的人脸图像进行处理，得到尺寸一致、灰度取值相同的标准化人脸图像，将所有经过处理后得到的面部图像帧整合形成面部录像数据。
4、进一步的，所述对预处理后得到的面部录像数据使用关键点定位进行面部特征提取的具体方法为：从面部录像图像帧中的人脸图像上初始化一组关键点；基于初始化的关键点，对关键点进行编号，计算基于关键点距离的目标函数，该目标函数评估关键点的当前位置坐标和真实位置坐标之间的差异；使用优化方法对基于关键点距离的目标函数进行最小化，在每次迭代中，通过计算基于关键点距离的目标函数的梯度方向和步长，更新关键点的位置坐标；在更新关键点位置坐标的过程中，设置一个最大迭代次数，当迭代次数达到最大迭代次数时，停止迭代，输出最终更新的关键点位置坐标作为关键点位置坐标结果；根据确定的面部图像中关键点的位置坐标数据，进行面部特征提取。
5、进一步的，所述对非患者的面部特征进行分析得到面部特征综合正常偏移范围的具体方法为：获取所有非患者的面部录像图像帧中人脸图像的面部特征数据，对于每个面部特征数据进行统计分析，将每个非患者人脸图像转换为非患者高维面部特征向量；将所有非患者高维面部特征向量进行平均，得到一个非患者高维平均脸面部特征向量；使用反向映射将非患者高维平均脸面部特征向量映射回原始二维图像，得到非患者平均脸；获取非患者平均脸关键点的确定位置坐标数据，进而提取非患者平均脸的面部特征，对所有面部特征进行编号，分析出非患者平均脸每个面部特征对应的平均值和标准差；根据非患者平均脸每个面部特征的平均值和标准差，分析出非患者平均脸每个面部特征综合正常偏移范围。
6、进一步的，所述确定精神分裂症面部特征指标的具体方法为：已分级的精神分裂症患者的面部特征定位信息与非患者平均脸每个面部特征综合正常偏移范围进行对比，分析出精神分裂症患者在各个面部特征定位信息与非患者平均脸每个面部特征综合正常偏移范围的偏差程度；当精神分裂症患者在该面部特征定位信息与面部特征综合正常偏移范围的偏差程度超过非患者面部特征最大偏差程度时，确定该面部特征为精神分裂症面部特征指标；当得到的与精神分裂症相关的多个面部特征具有一定的相互关系时，将它们进行合并，将多个面部特征结合为综合面部多特征指标。
7、进一步的，所述得到面部特征指标评分数据的具体方法为：在分析面部特征指标评分数据前，将精神分裂症面部特征进行编号，同时将精神分裂症患者进行编号；获取精神分裂症本文档来自技高网...
【技术保护点】
1.基于面部识别的精神分裂症患者的辅助分析方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述将获取到的所有录像进行预处理的具体方法为：
3.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述对预处理后得到的面部录像数据使用关键点定位进行面部特征提取的具体方法为：
4.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述对非患者的面部特征进行分析得到面部特征综合正常偏移范围的具体方法为：
5.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述确定精神分裂症面部特征指标的具体方法为：
6.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述得到面部特征指标评分数据的具体方法为：
7.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述建立基于面部特征的精神分裂症患病等级评估模型的具体方法为：
8.如权利要求1所述基于
9.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述得知待诊断患者的精神分裂症患病等级的评估结果的具体方法为：
10.一种基于面部识别的精神分裂症患者的辅助分析装置，其特征在于，包括数据获取模块、面部特征提取模块、面部特征指标确定模块、面部特征指标评分模块、患病等级评估模型建立模块和辅助决策模块：
...【技术特征摘要】
1.基于面部识别的精神分裂症患者的辅助分析方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述将获取到的所有录像进行预处理的具体方法为：
3.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述对预处理后得到的面部录像数据使用关键点定位进行面部特征提取的具体方法为：
4.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述对非患者的面部特征进行分析得到面部特征综合正常偏移范围的具体方法为：
5.如权利要求1所述基于面部识别的精神分裂症患者的辅助分析方法，其特征在于：所述确定精神分裂症面部特征指标的具体方法为：
6.如权利要求1所述基于面部识别...
【专利技术属性】
技术研发人员：唐潮，曹爱爱，陈依明，
申请(专利权)人：上海市徐汇区精神卫生中心，
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。