基于眼面动作捕捉技术的帕金森病早期诊断方法技术

本发明专利技术公开了基于眼面动作捕捉技术的帕金森病早期诊断方法，包括，一、采集测试者的眼面部运动参数，包括以下参数，(1)眼球水平扫视、垂直扫视及眨眼的频率、速度、幅度；(2)额肌及面颊部肌肉收缩幅度、速度和频率；(3)口角和唇部收缩的频率、速度和幅度；(4)头部的运动幅度和频率；(5)面部肌肉从静态

【技术实现步骤摘要】
基于眼面动作捕捉技术的帕金森病早期诊断方法


[0001]本专利技术涉及帕金森病诊断领域，具体涉及基于眼面动作捕捉技术的 帕金森病早期诊断方法。

技术介绍

[0002]随着人工智能技术的不断发展，很多先进的算法和技术与临床医学领 域相结合都得到了较好的应用和落地转化。本专利技术所公开的研究内容“基 于眼面动作捕捉技术的帕金森病早期诊断和量化评估系统”，就是人工智 能、模式识别等相关技术与临床医学领域中辅助诊断和量化评估早期帕 金森患者的场景相结合的成功应用之一。
[0003]帕金森病患者均有面部表情呆板，临床上常称为“面具脸”。多在患 者表现出震颤和动作笨拙之前就已出现，而不易被早期注意和识别。同 时临床上对患者面部表情的判断均为主观感觉，缺乏一个定量指标来对 其进行描述，不利于该病的早期诊断和治疗效果的评估。虽然目前世面 上已出现使用穿戴设备对受试者进行运动功能检测，但这些检测设备和 方法存在以下缺陷：一是检测设备本身结构复杂、操作耗时且成本高昂， 极大地阻碍了它们的广泛应用，尤其是在发展中国家。二是这些检测方 法大多是对全身进行检测，对仪器设备要求较高，同时，全身观测点太 多，易产生偏差。如果能找到一个对观测PD症状体征有代表性的局部区 域，并对其进行检测，则使检测变得更简单易行，同时也降低了因干扰 因素过多而产生的数据偏差。因此，建立一套无标记点面部表情捕捉系 统，由硬件摄像系统和表情捕捉软件构成完成的面部表情捕捉解决方案， 拥有准确的表情捕捉算法、直观的使用流程。通过对患者面具脸的识别 和定量测算，为帕金森病早期诊断和治疗效果定量化评估提供依据。
[0004]而在专利(ZL 201610266562.X)提出了一种帕金森病早期诊断方法， 包括：
[0005]采集测试者的生理数据，并依据采集的所述生理数据获取表征帕金 森病特征样本点及正常人特征样本点，所述生理数据表示为时间序列信 息；基于挖掘的演化模糊规则构建演化模糊分类器，并依据获取的所述 表征帕金森病特征样本点和正常人特征样本点训练所述演化模糊分类 器，并确定所述演化模糊分类器的分类阈值；采集新测试者的生理数据， 依据已构建的演化模糊分类器获取所述新测试者的生理数据中属于帕金 森病特征样本点的数目；若所述属于帕金森病样本点的数目占所述新测 试者的生理数据中样本点总数的比例大于已确定的分类阈值，则将所述 新测试者诊断为帕金森病患者。
[0006]其主要是通过采集患者声音进行判断患者的患病情况。
[0007]而帕金森病患者均有面部表情呆板，临床上常称为“面具脸”。多在 患者表现出震颤和动作笨拙之前就已出现，而不易被早期注意和识别。 同时临床上对患者面部表情的判断均为主观感觉，缺乏一个定量指标来 对其进行描述，不利于该病的早期诊断和治疗效果的评估。因此，在此 本方案提出一种有区别于专利(ZL 201610266562.X)的诊断方法且其是 基于患者眼面动作上的诊断方法。

技术实现思路

[0008]鉴于现有技术中的上述缺陷或不足，期望提供基于眼面动作捕捉技 术的帕金森病早期诊断方法。
[0009]根据本申请实施例提供的技术方案，基于眼面动作捕捉技术的帕金 森病早期诊断方法，包括，
[0010]一、采集测试者的眼面部运动参数，包括以下参数，
[0011](1)眼球水平扫视、垂直扫视及眨眼的频率、速度、幅度；
[0012](2)额肌及面颊部肌肉收缩幅度、速度和频率；
[0013](3)口角和唇部收缩的频率、速度和幅度；
[0014](4)头部的运动幅度和频率；
[0015](5)面部肌肉从静态
‑
动态
‑
恢复到静态时的时长；
[0016]二、将步骤一中的眼面部运动参数进行标定及位置向量化，从而构 建出面部形状模型及纹理模型，
[0017]三、对步骤二中的纹理模型进行组合并进行加权运算，自动搜索、 跟踪及定位患者的特征点。
[0018]本方案中，进一步的，所述步骤三中的特征点定位方法如下：
[0019]1)、利用算法读取预判视频中面部各特征关键点之间的距离；
[0020]2)、将相邻帧间，各特征关键点间的距离做差值计算，并统计差值变化 量；
[0021]3)、分别统计预先标记不同阶段帕金森患者在差值变化量上的差异性， 通过计算差值变化量众数划定判定阈值区间；
[0022]4)、利用新的帕金森患者样本微调阈值区间，使其判定准确性稳步优化 提升；
[0023]5)、当帕金森综合症辅助诊断标准达到一定准确率后，正式确立判定指 标为帕金森综合症判定的显著性指标，并基于这些显著性指标形成患者 判定标准。
[0024]本方案中，进一步的，所述眼球运动频率、运动速度和运动幅度的计算 公式分别如下：
[0025]统计某时间段眼球运动的次数：
[0026]计算某时间段眼球运动的速度：
[0027]取某时间段眼球运动幅度的最大值：
[0028]其中，EB表示眼球，Fr表示视频帧，i和j分别表示两个不同的关键特 征点；t和t
’
分别表示视频中的不同两帧的时间点。
[0029]本方案中，进一步的，所述眨眼的频率、速度、幅度的计算公式分别如 下：
[0030]统计某时间段眨眼的次数：
[0031]计算某时间段眨眼速度：
[0032]取某时间段眨眼幅度的最大值：
[0033]其中，B表示眨眼。
[0034]本方案中，进一步的，所述额肌额肌频率、幅度和速度的计算公式如下，
[0035]统计某时间段额肌收缩的次数：
[0036]计算某时间段额肌收缩速度：
[0037]取某时间段额肌肉收缩幅度的最大值：
[0038][0039]其中，MF表示额肌。
[0040]本方案中，进一步的，所述面颊部肌肉收缩幅度、速度和频率的计算公 式如下，
[0041]计算某时间段额肌收缩速度：
[0042]取某时间段额肌肉收缩幅度的最大值：
[0043][0044]统计某时间段面颊肌收缩的次数：
[0045]计算某时间段面颊肌收缩速度：
[0046]取某时间段面颊肌收缩幅度的最大值：
[0047][0048]其中，FA表示面颊肌。
[0049]本方案中，进一步的，口角的频率、速度和幅度的计算公式如下，
[0050]统计某时间段口角收缩的次数：
[0051]计算某时间段口角收缩速度：
[0052]取某时间段口角收缩幅度的最大值：其中，Q表示口角。
[0053]本方案中，进一步的，唇部的频率、速度和幅度的计算公式如下：
[0054]统计某时间段唇部收缩的次数：
[0055]计算某时间段唇部收缩速度：
[0056]取某时间段唇部收缩幅度的最大值：
[0057]其中,L表示唇部。
[0058]本方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，包括，一、采集测试者的眼面部运动参数，包括以下参数，(1)眼球水平扫视、垂直扫视及眨眼的频率、速度、幅度；(2)额肌及面颊部肌肉收缩幅度、速度和频率；(3)口角和唇部收缩的频率、速度和幅度；(4)头部的运动幅度和频率；(5)面部肌肉从静态
‑
动态
‑
恢复到静态时的时长；二、将步骤一中的眼面部运动参数进行标定及位置向量化，从而构建出面部形状模型及纹理模型，三、对步骤二中的纹理模型进行组合并进行加权运算，自动搜索、跟踪及定位患者的特征点。2.根据权利要求1所述的基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，所述步骤三中的特征点定位方法如下：1)、利用算法读取预判视频中面部各特征关键点之间的距离；2)、将相邻帧间，各特征关键点间的距离做差值计算，并统计差值变化量；3)、分别统计预先标记不同阶段帕金森患者在差值变化量上的差异性，通过计算差值变化量众数划定判定阈值区间；4)、利用新的帕金森患者样本微调阈值区间，使其判定准确性稳步优化提升；5)、当帕金森综合症辅助诊断标准达到一定准确率后，正式确立判定指标为帕金森综合症判定的显著性指标，并基于这些显著性指标形成患者判定标准。3.根据权利要求1所述的基于眼面动作捕捉技术的帕金森病早期诊断方法，其特征是，所述眼球运动频率、运动速度和运动幅度的计算公式分别如下：统计某时间段眼球运动的次数：计算某时间段眼球运动的速度：取某时间段眼球运动幅度的最大值：其中，EB表示眼球，Fr表示...

【专利技术属性】
技术研发人员：王普清，王峰，李先红，刘广腾，宋金辉，程虹，赵强，黄金洲，唐洁，
申请(专利权)人：湖北文理学院，
类型：发明
国别省市：