System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于医疗技术、眼动追踪技术、视频,具体涉及一种用于阿尔茨海默病筛查的视频制作方法和装置。
技术介绍
1、眼动追踪技术在认知科学、心理学以及医学研究方面取得了显著的进展。该技术能够准确记录个体在观看视觉刺激时眼球的运动情况,从而为研究视觉注意力分布和认知加工过程提供了重要信息。特别是在研究长时间的视觉刺激(如视频内容)时,眼动追踪为了解观众如何处理复杂和动态的视觉场景提供了独特的方法。在阿尔茨海默病(alzheimer’s disease,ad)这种神经退行性疾病的研究中,早期诊断和理解疾病对认知功能的影响至关重要。眼动追踪技术能够非侵入性且直接地提供有关认知过程的信息,因此成为这一研究领域中的有利工具。但目前尚无系统的视频制作技术,针对这一挑战,本专利技术的目的是开发一种先进的视频制作技术,能够精确提取和分析视频中的眼动数据,特别是在比较ad患者和健康个体的反应时。
2、尽管眼动追踪技术在精确性和应用范围上取得了进步,但处理长时间视频内容时仍面临复杂性和多样性挑战。尤其在比较不同受试者对同一刺激的反应时,有效识别引起相似眼动反应的视频片段仍是未解决问题。当前没有专门针对此挑战的系统性视频制作技术。因此,本专利技术的目标是开发先进的视频制作技术,精确提取和分析视频中的眼动数据,特别是在比较ad患者和健康个体的反应时。本专利技术将专注于以下关键问题:
3、1)数据处理的复杂性和多样性挑战:研发高效的算法,处理长时间视频中的眼动数据,准确识别和分析不同受试者、任务和刺激的眼动反应。
4、2
技术实现思路
1、为了克服现有技术的不足,本专利技术提供一种基于眼动数据相似性的视频制作方法,适用于阿尔茨海默病筛查,例如早期阿尔茨海默病家庭筛查等。
2、本专利技术采用的技术方案如下:
3、一种用于阿尔茨海默病筛查的视频制作方法,包括以下步骤:
4、收集健康受试者在观看视频时的眼动数据;
5、对收集的眼动数据进行数据预处理,包括对眼动数据进行时间窗口划分;
6、针对每个时间窗口,计算不同受试者眼动数据的相似性分数;
7、根据计算的眼动数据的相似性分数,通过预设的阈值筛选高相似性视频片段;
8、对筛选出的高相似性视频片段提取代表性眼动特征;
9、收集阿尔茨海默病患者在观看相同视频时的眼动数据,计算其与所述代表性眼动特征的相似性分数;
10、根据计算的阿尔茨海默病患者的眼动数据与所述代表性眼动特征的相似性分数,通过预设的阈值筛选能够显著区分阿尔茨海默病患者和健康受试者的视频片段;
11、检查筛选出的能够显著区分阿尔茨海默病患者和健康受试者的视频片段是否相邻,对相邻的视频片段进行合并。
12、进一步地,所述计算不同受试者眼动数据的相似性分数,包括计算距离相似性和方向相似性,最终得出每个时间窗口的平均相似性分数。
13、进一步地,所述通过预设的阈值筛选高相似性视频片段,包括:设定相似性分数临界阈值t1,当眼动数据的相似性分数大于临界阈值t1时,该眼动数据对应的视频片段为高相似性视频片段;当眼动数据的相似性分数小于临界阈值t1时,该眼动数据对应的视频片段为普通视频片段。
14、进一步地,所述代表性眼动特征是所有健康受试者在高相似性视频片段中的眼动坐标的平均值。
15、进一步地,所述通过预设的阈值筛选能够显著区分阿尔茨海默病患者和健康受试者的视频片段,包括:
16、设定相似性阈值t2,该阈值用于划分在视觉注意力上不同阿尔茨海默病患者和健康受试者的差异,统计低于相似性阈值t2的比例r,r为视频片段区分阿尔茨海默病患者和健康受试者的置信度;
17、设定置信度阈值t3,根据置信度阈值t3筛选出高置信度的片段即为所需要的视频片段。
18、进一步地,所述对相邻的视频片段进行合并,包括:根据划分的不同长度的视频窗口分别对视频片段进行合并,然后进行并集处理。
19、进一步地,对于筛选出的能够显著区分阿尔茨海默病患者和正常人群的视频片段,根据视频片段内的相似性分数进行等级划分,划分为无症状、轻度、中度和重度四个等级,用以评判受试者的患病的程度。
20、一种用于阿尔茨海默病筛查的视频制作装置,其包括:
21、健康受试者眼动数据收集模块,用于收集健康受试者在观看视频时的眼动数据;
22、数据预处理模块,用于对收集的眼动数据进行数据预处理,包括对眼动数据进行时间窗口划分;
23、第一相似性分析模块,用于针对每个时间窗口,计算不同受试者眼动数据的相似性分数;
24、高相似性视频片段识别模块,用于根据计算的眼动数据的相似性分数,通过预设的阈值筛选高相似性视频片段;
25、代表性眼动特征提取模块,用于对筛选出的高相似性视频片段提取代表性眼动特征;
26、阿尔茨海默病患者眼动数据收集模块,用于收集阿尔茨海默病患者在观看相同视频时的眼动数据;
27、第二相似性分析模块,用于计算收集的阿尔茨海默病患者在观看相同视频时的眼动数据与所述代表性眼动特征的相似性分数;
28、视频片段筛选模块,用于根据计算的阿尔茨海默病患者的眼动数据与所述代表性眼动特征的相似性分数,通过预设的阈值筛选能够显著区分阿尔茨海默病患者和健康受试者的视频片段;
29、视频片段合并模块,用于检查筛选出的能够显著区分阿尔茨海默病患者和健康受试者的视频片段是否相邻,对相邻的视频片段进行合并。
30、相对于现有技术,本专利技术基于眼动数据的用于检测阿尔茨海默病患者的视频制作方法具有以下优点和益处:
31、1)全面性和准确性:采用余弦相似度和欧几里得距离等多种度量方式,综合考虑视频片段的方向性和距离上的相似性,提高了视频片段相似性比较的全面性和准确性。
32、2)精细化的视频搜索:通过将视频划分成小的窗口并逐步合并相邻片段,实现了更为精细化的视频搜索。这有助于用户更准确地定位和检索所需的视频内容,提高了搜索的精准度和效率。
33、3)代表性特征的应用:基于健康受试者中的统一眼动特征作为标准特征,建立了一个基准用于评估其他受试者或患者的眼动模式。这有助于更准确地比较和分析眼动数据,为研究和诊断提供更可靠的依据。
34、4)全面的视频分析和搜索体验:通过综合应用以上方法,实现了全面的视频分析和搜索。不仅更好地理解视频内容的特征和相似性,还能更有效地搜索所需的视频片段,为用户提供更全面、更精确的视频分析和搜索体验。
本文档来自技高网...【技术保护点】
1.一种用于阿尔茨海默病筛查的视频制作方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述计算不同受试者眼动数据的相似性分数,包括计算距离相似性和方向相似性,最终得出每个时间窗口的平均相似性分数。
3.根据权利要求1所述的方法,其特征在于,所述通过预设的阈值筛选高相似性视频片段,包括:设定相似性分数临界阈值T1,当眼动数据的相似性分数大于临界阈值T1时,该眼动数据对应的视频片段为高相似性视频片段;当眼动数据的相似性分数小于临界阈值T1时,该眼动数据对应的视频片段为普通视频片段。
4.根据权利要求1所述的方法,其特征在于,所述代表性眼动特征是所有健康受试者在高相似性视频片段中的眼动坐标的平均值。
5.根据权利要求1所述的方法,其特征在于,所述通过预设的阈值筛选能够显著区分阿尔茨海默病患者和健康受试者的视频片段,包括:
6.根据权利要求1所述的方法,其特征在于,所述对相邻的视频片段进行合并,包括:根据划分的不同长度的视频窗口分别对视频片段进行合并,然后进行并集处理。
7.根据权利要求1
8.一种用于阿尔茨海默病筛查的视频制作装置,其特征在于,包括:
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序被配置为由所述处理器执行,所述计算机程序包括用于执行权利要求1~7中任一项所述方法的指令。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,所述计算机程序被计算机执行时,实现权利要求1~7中任一项所述的方法。
...【技术特征摘要】
1.一种用于阿尔茨海默病筛查的视频制作方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述计算不同受试者眼动数据的相似性分数,包括计算距离相似性和方向相似性,最终得出每个时间窗口的平均相似性分数。
3.根据权利要求1所述的方法,其特征在于,所述通过预设的阈值筛选高相似性视频片段,包括:设定相似性分数临界阈值t1,当眼动数据的相似性分数大于临界阈值t1时,该眼动数据对应的视频片段为高相似性视频片段;当眼动数据的相似性分数小于临界阈值t1时,该眼动数据对应的视频片段为普通视频片段。
4.根据权利要求1所述的方法,其特征在于,所述代表性眼动特征是所有健康受试者在高相似性视频片段中的眼动坐标的平均值。
5.根据权利要求1所述的方法,其特征在于,所述通过预设的阈值筛选能够显著区分阿尔茨海默病患者和健康受试者的视频片段,包括:
【专利技术属性】
技术研发人员:强薇,田丰,李信金,闻天阳,孙伟,
申请(专利权)人:中国科学院软件研究所,
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。