【技术实现步骤摘要】
本专利技术涉及医疗，尤其涉及一种基于视听数据分析的可交互式抽动障碍辅助筛查系统。
技术介绍
1、抽动障碍是一种神经系统疾病，通常表现为不可抑制的肌肉收缩和抽搐，可能会影响身体的多个部分；这种疾病通常在儿童时期就开始出现，一般持续到成年；抽动障碍的症状可以分为两类：运动性和声音性；运动性症状包括眼睑颤动、面部抽搐、肩膀耸动和肢体的不自主运动；声音性症状包括咳嗽、咳痰和发出其他声音；在对抽动障碍患者进行检测时，采用人工问诊的方式进行检测，人工问诊的方式主要依赖医生的观察和经验判断，存在主观性强、准确性不高等问题，即便使用辅助量表，其结果往往也受制于测试者的主观感受与受试者的即时状态，且由于精神疾病本身的特性，参与测试的儿童往往因为紧张的测试环境展现出异于平常的精神状态，导致检测的不准确和不全面。
技术实现思路
1、为了克服在对抽动障碍患者进行检测时，采用人工问诊的方式进行检测，人工问诊的方式主要依赖医生的观察和经验判断，存在主观性强、准确性不高等问题，即便使用辅助量表，其结果往往也受制于测试者的主观感受与受试者的即时状态，且由于精神疾病本身的特性，参与测试的儿童往往因为紧张的测试环境展现出异于平常的精神状态，导致检测的不准确和不全面的问题。
2、本专利技术的技术方案为：一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，包括有：
3、视听数据采集模块，用于利用数据采集设备，对受试者在进行测试时的影像数据和音频数据进行采集；
4、视听数据分析模块，用于
5、激发实验模块，用于根据抽动症疾病特征中的刺激加重因素，针对基线值测量未达到抽动障碍诊断标准的受试者，设计一系列针对性的视听刺激方案，对受试者进行刺激，以诱发受试者的潜在抽动症状；
6、用户交互模块，用于为受试者提供简洁明了的用户界面，使得受试者能够轻松操作系统，实时了解筛查进度和结果；
7、结果输出模块，用于根据视听数据分析模块以及激发实验模块的测试和分析结果，综合评估用户的抽动障碍情况，生成详细的筛查报告。
8、优选的，通过设置视听数据采集模块和视听数据分析模块，可以自动的对受试者在进行抽动障碍测试时产生的影像数据以及音频数据进行采集，并利用视听数据分析模块对影像数据以及音频数据进行分析，实现了通过先进的计算机视觉和听觉分析技术，实现对抽动障碍症状的客观、准确识别，提高了筛查的准确性。
9、作为优选，视听数据采集模块包括有隐藏式高清摄像头和隐藏式音频采集设备，隐藏式高清摄像头用于在对受试者进行测试时的面部影像数据以及肢体影像数据进行采集，隐藏式音频采集设备用于在对受试者进行测试时的音频数据进行采集。
10、作为优选，视听数据分析模块在利用深度学习算法，对视听数据采集模块在测试时采集到的受试者的影像数据和音频数据进行深度分析，提取出与抽动障碍相关的特征信息时，提取的与抽动障碍相关的特征信息包括有运动性抽动信息和发声性抽动信息；其中，运动性抽动信息为手指、面部、颈部、肩部、躯干和四肢的快速收缩，发声性抽动信息包括有口咽、喉咙和呼吸肌的收缩。
11、作为优选，视听数据分析模块在对视听数据采集模块在测试时所采集到的受试者的影像数据进行深度分析时，包括有以下步骤：
12、s11：对视听数据采集模块所采集到的影像数据进行预处理，其中，预处理方法包括有分帧处理、图像畸变处理和特征增强；
13、s12：利用基于深度学习的图像轮廓识别算法，对影像数据中的人体轮廓进行识别；
14、s13：利用基于深度学习的人体动作分类模型，对识别到的人体轮廓的肢体动作进行分类，识别其中是否有异常抽动等异常动作；
15、s14：对异常抽动等异常动作进行记录。
16、作为优选，视听数据分析模块在对视听数据采集模块在测试时所采集到的受试者的音频数据进行深度分析时，包括有以下步骤：
17、s21：对视听数据采集模块所采集到的音频数据进行预处理，其中，音频数据的预处理方法包括有噪声抑制和语音增强；
18、s22：利用基于深度学习的音频数据特征识别算法对音频数据中的特征进行提取；
19、s23：利用基于深度学习的音频特征分类模型，对识别到的音频数据的特征进行分类和识别，判断其中是否有异常发声；
20、s24：对异常发声进行记录和储存。
21、作为优选，视听数据分析模块还用于根据影像数据以及音频数据的分析结果，对受试者进行评分，判断受试者患有抽动障碍的可能性，其中，视听数据分析模块在根据影像数据以及音频数据的分析结果，对受试者进行评分，判断受试者患有抽动障碍的可能性时，包括有以下步骤：
22、s31：利用分类器对异常抽动等异常动作以及异常发声进行等级划分；其中，按照严重程度对异常动作以及异常发声进行等级划分；
23、s32：按照不同的等级对每一个异常动作以及异常发声进行分数赋予，并进行累计，得到总分；
24、s33：根据得到的总分判断受试者患有抽动障碍的可能性。
25、作为优选，激发实现模块根据抽动症疾病特征中的刺激加重因素，针对基线值测量未达到抽动障碍诊断标准的受试者，设计一系列针对性的视听刺激方案，对受试者进行刺激，以诱发受试者的潜在抽动症状时，采用的视听刺激方案包括有：
26、a11：光线刺激，如光线增强、光线减弱以及灯光闪烁；
27、a12：声音刺激，如播放不同的音频或者针对受试者的特定音频。
28、作为优选，在对受试者进行测试时，包括有以下步骤：
29、s41：测试者首先通过用户交互模块进入系统，按照系统提示进行视听数据采集；
30、s42：视听数据分析模块对视频数据采集模块所采集到的数据进行分析，提取出相关特征，记录受试者基线值，并评价受试者是否达到确诊水平，如果达到确诊水平，输出测试结果；
31、s43：若受试者评分未达到阳性结果分数，则根据预设的激发实验方案，对受试者进行适当刺激，观察并记录受试者的反应；
32、s44：视听数据分析模块进行数据分析，汇总完整结果，判断受试者分数；
33、s45：结果输出模块根据分析结果生成筛查报告，并通过用户交互模块展示给测试者。
34、优选的，通过设置激发实验模块，可以对受试者作出不同的刺激，从而使得医院的测试环境结合激发实验模块，针对轻度或隐匿性抽动障碍患儿，以及家庭环境与医院环境表现不相符的患儿，使受试者处于紧张状态，以诱发受试者的潜在抽动症状，能够更全面地评估受试者是否符合抽动障碍的疾病特点，为医生提供更全面的诊断依据。
35、作为优选，用户交互模块还具有以下功能：
36、a11：在测试结束后，受试者通过对用户交互模块，对测试本文档来自技高网...
【技术保护点】
1.一种基于视听数据分析的可交互式抽动障碍辅助筛查系统；其特征在于：包括有：
2.根据权利要求1所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：视听数据采集模块包括有隐藏式高清摄像头和隐藏式音频采集设备，隐藏式高清摄像头用于在对受试者进行测试时的面部影像数据以及肢体影像数据进行采集，隐藏式音频采集设备用于在对受试者进行测试时的音频数据进行采集。
3.根据权利要求2所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：视听数据分析模块在利用深度学习算法，对视听数据采集模块在测试时采集到的受试者的影像数据和音频数据进行深度分析，提取出与抽动障碍相关的特征信息时，提取的与抽动障碍相关的特征信息包括有运动性抽动信息和发声性抽动信息；其中，运动性抽动信息为手指、面部、颈部、肩部、躯干和四肢的快速收缩，发声性抽动信息包括有口咽、喉咙和呼吸肌的收缩。
4.根据权利要求3所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：视听数据分析模块在对视听数据采集模块在测试时所采集到的受试者的影像数据进行深度分析时
5.根据权利要求4所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：视听数据分析模块在对视听数据采集模块在测试时所采集到的受试者的音频数据进行深度分析时，包括有以下步骤：
6.根据权利要求5所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：视听数据分析模块还用于根据影像数据以及音频数据的分析结果，对受试者进行评分，判断受试者患有抽动障碍的可能性。
7.根据权利要求6所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：视听数据分析模块在根据影像数据以及音频数据的分析结果，对受试者进行评分，判断受试者患有抽动障碍的可能性时，包括有以下步骤：
8.根据权利要求7所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：激发实现模块根据抽动症疾病特征中的刺激加重因素，针对基线值测量未达到抽动障碍诊断标准的受试者，设计一系列针对性的视听刺激方案，对受试者进行刺激，以诱发受试者的潜在抽动症状时，采用的视听刺激方案包括有：
9.根据权利要求8所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：在对受试者进行测试时，包括有以下步骤：
10.根据权利要求9所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：用户交互模块还具有以下功能：
...【技术特征摘要】
1.一种基于视听数据分析的可交互式抽动障碍辅助筛查系统；其特征在于：包括有：
2.根据权利要求1所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：视听数据采集模块包括有隐藏式高清摄像头和隐藏式音频采集设备，隐藏式高清摄像头用于在对受试者进行测试时的面部影像数据以及肢体影像数据进行采集，隐藏式音频采集设备用于在对受试者进行测试时的音频数据进行采集。
3.根据权利要求2所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：视听数据分析模块在利用深度学习算法，对视听数据采集模块在测试时采集到的受试者的影像数据和音频数据进行深度分析，提取出与抽动障碍相关的特征信息时，提取的与抽动障碍相关的特征信息包括有运动性抽动信息和发声性抽动信息；其中，运动性抽动信息为手指、面部、颈部、肩部、躯干和四肢的快速收缩，发声性抽动信息包括有口咽、喉咙和呼吸肌的收缩。
4.根据权利要求3所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于：视听数据分析模块在对视听数据采集模块在测试时所采集到的受试者的影像数据进行深度分析时，包括有以下步骤：
5.根据权利要求4所述的一种基于视听数据分析的可交互式抽动障碍辅助筛查系统，其特征在于...
【专利技术属性】
技术研发人员：董鑫，郑凯文，刘丽曼，王翔，李燕，李秀玲，
申请(专利权)人：山东第二医科大学，
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。