【技术实现步骤摘要】
本申请属于深度学习，特别涉及一种画钟测验评分方法、装置、计算机设备以及存储介质。
技术介绍
1、画钟测验是一项复杂的综合性行为活动，除了空间构造技巧外，还需要用到许多认知功能，例如记忆力、注意力、抽象思维能力、时间和空间定向力等。画钟测验既能较全面地反映认知功能，又简单易行，不需要特殊材料，且准确性高、文化相关性小，近几十年，已被广泛应用于认知功能减退等疾病筛查中，不仅适合于临床对早期痴呆患者的筛查，还可以帮助判断痴呆的严重程度。
2、画钟测验方法非常多，至今仍有多种多样的评分标准，常用的包括3分评定法、4分评定法、5分评定法、7分评定法、10分评定法等。目前，国际上还没有公认的统一评分标准。现有的画钟测验评分方式主要包含以下4个方面的内容：(1)画出闭锁的圆(表盘)；(2)画出圆内均匀分布的刻度；(3)标出刻度对应的数字；(4)画出由测试方指定时间的时针与分针。但是，这些评分方式忽略了画钟过程的认知加工策略，尤其是反映画钟过程的数字书写顺序和锚定“12—3-6-9”4个关键点的“锚定策略”。因此，2008年，郭起浩等人制定了30分的评分系统，该评分系统首先由测试者说一段提示语，例如“请在空白纸上画一个钟表的表盘，并标出所有数字，指针指向1:50”，然后，受试者根据提示语进行手动画钟，时间大概为几分钟，最终由测试者根据评分标准对画钟图像进行人工评分。然而，由于受人工评分的主观性和偏见等因素影响，导致最终评分结果因人而异，尤其是对画钟过程的计分存在较大的波动和差异，且人工评分费时费力，加大了画钟测验的评估工作量。>
技术实现思路
1、本申请提供了一种画钟测验评分方法、装置、计算机设备以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。
2、为了解决上述问题，本申请提供了如下技术方案：
3、一种画钟测验评分方法，包括：
4、利用mnist数据库生成从1-12的手写体数字，并将所述手写体数字与绘制的钟表图像随机放置于像素值为0的黑色图像中，生成画钟图像数据集；
5、将所述画钟图像数据集输入fcos网络，通过所述fcos网络识别出所述画钟图像数据集中的手写体数字；
6、采用最大连通域算法对所述画钟图像数据集进行圆检测，得到所述画钟图像数据集中的钟表区域；
7、基于所述手写体数字的识别结果以及钟表区域的检测结果，采用图像处理算法对所述画钟图像数据集进行指针检测，得到所述画钟图像数据集的指针图像，并采用广度优先算法对所述指针图像进行时针与分针分类；
8、根据设定的评分规则分别对手写体数字识别结果、钟表区域检测结果、指针图像检测结果以及时针与分针分类结果进行评分，并将所有评分结果相加，生成画钟测验评分结果。
9、本申请实施例采取的技术方案还包括：所述利用mnist数据库生成从1-12的手写体数字，并将所述手写体数字与绘制的钟表图像随机放置于像素值为0的黑色图像中，生成画钟图像数据集具体为：
10、从所述mnist数据库中获取0～9的手写体数字，并将手写体数字“1”分别与“0”、“1”、“2”进行拼接，生成手写体数字“10”、“11”、“12”；
11、绘制设定大小的钟表图像；其中，钟表图像为圆形；
12、对所述手写体数字和钟表图像分别进行图像增强操作，得到图像增强操作后的手写体数字和钟表图像；
13、将所述图像增强操作后的手写体数字和钟表图像随机放置于一个像素值为0的黑色图像中，生成单幅画钟图像，并记录所述单幅画钟图像中各个手写体数字的位置以及大小；
14、根据设定的迭代次数循环生成单幅画钟图像，构建画钟图像数据集。
15、本申请实施例采取的技术方案还包括：所述将所述画钟图像数据集输入fcos网络，通过所述fcos网络识别出所述画钟图像数据集中的手写体数字具体为：
16、所述fcos网络的输入图像为画钟图像数据集中的任一幅画钟图像，并经过计算后输出所述输入图像中每个手写体数字的识别结果以及所述手写体数字在画钟图像中的定位区域。
17、本申请实施例采取的技术方案还包括：所述采用最大连通域算法对所述画钟图像数据集进行圆检测，得到所述画钟图像数据集中的钟表区域具体为：
18、假设对于所有测试人员所绘制的钟表图像都遵循钟表区域大于任何一个数字区域，基于此假设，采用连通域检测算法并排列出最大连通域所在区域作为钟表区域，并利用填充算法以及边缘检测算法对所述钟表区域进行提取，得到画圆的钟表区域。
19、本申请实施例采取的技术方案还包括：所述基于所述手写体数字的识别结果以及钟表区域的检测结果，采用图像处理算法对所述画钟图像数据集进行指针检测具体为：
20、将所述手写体数字的定位区域和钟表区域的像素值填充为0，筛选掉画钟图像中的手写体数字和钟表区域，得到指针图像；
21、使用canny算子提取所述指针图像中的指针边缘，消除掉除指针以外的其他噪声信息。
22、本申请实施例采取的技术方案还包括：所述采用广度优先算法对所述指针图像进行时针与分针分类具体为：
23、采用霍夫直线检测方法找出所述指针图像中的所有直线，所述直线包括时针和分针的指针以及箭头；
24、采用bfs算法分别沿着每条直线的方向进行直线长度检测，并标记每条直线的长度以及两端顶点，并将两条最长且一端顶点位于钟表中心30个像素距离内的直线分别作为时针和分针，将其余直线根据顶点位置进行配对，分别作为所述时针和分针的箭头。
25、本申请实施例采取的技术方案还包括：所述根据设定的评分规则分别对手写体数字识别结果、钟表区域检测结果、指针图像检测结果以及时针与分针分类结果进行评分具体为：
26、所有数字在钟表区域内得3分，数字逾过钟表区域则扣除0.5分/个，直至0分；
27、“12，3，6，9”4个标志性数字分布对称得2分，即3和9在水平线上1分、12和6垂直线上1分，否则扣除0.5分/个，直至0分；
28、除“12，3，6，9”以外的其他数字的位置准确得3分，如果数字位置错误或偏倚则扣除0.5分/个，直至0分；
29、先锚定“12，3，6，9”4个关键点得4分，否则扣除1分/个，直至0分；
30、12个数字书写准确得4分，否则扣除0.5分/个，直至0分；
31、顺时针排列得1分；
32、1～12数字次序正确得1分；
33、中心点位置正确得1分；
34、画时针和分针得2分；
35、时针指向正确得2分；
36、分针指向正确得2分；
37、分针比时针长得2分；
38、时针和分针都有箭头得2分；
39、钟面完整得1分。
40、本申请实施例采取的另一技术方案为：一种画钟测验评分装置，包括：
41、数据生成模本文档来自技高网...
【技术保护点】
1.一种画钟测验评分方法，其特征在于，包括：
2.根据权利要求1所述的画钟测验评分方法，其特征在于，所述利用MNIST数据库生成从1-12的手写体数字，并将所述手写体数字与绘制的钟表图像随机放置于像素值为0的黑色图像中，生成画钟图像数据集具体为：
3.根据权利要求2所述的画钟测验评分方法，其特征在于，所述将所述画钟图像数据集输入FCOS网络，通过所述FCOS网络识别出所述画钟图像数据集中的手写体数字具体为：
4.根据权利要求3所述的画钟测验评分方法，其特征在于，所述采用最大连通域算法对所述画钟图像数据集进行圆检测，得到所述画钟图像数据集中的钟表区域具体为：
5.根据权利要求4所述的画钟测验评分方法，其特征在于，所述基于所述手写体数字的识别结果以及钟表区域的检测结果，采用图像处理算法对所述画钟图像数据集进行指针检测具体为：
6.根据权利要求5所述的画钟测验评分方法，其特征在于，所述采用广度优先算法对所述指针图像进行时针与分针分类具体为：
7.根据权利要求1至6任一项所述的画钟测验评分方法，其特征在于，根据设定的
8.一种画钟测验评分装置，其特征在于，包括：
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、与所述处理器耦接的存储器，其中，
10.一种存储介质，其特征在于，存储有处理器可运行的程序指令，所述程序指令用于执行权利要求1至7任一项所述画钟测验评分方法。
...【技术特征摘要】
1.一种画钟测验评分方法，其特征在于，包括：
2.根据权利要求1所述的画钟测验评分方法，其特征在于，所述利用mnist数据库生成从1-12的手写体数字，并将所述手写体数字与绘制的钟表图像随机放置于像素值为0的黑色图像中，生成画钟图像数据集具体为：
3.根据权利要求2所述的画钟测验评分方法，其特征在于，所述将所述画钟图像数据集输入fcos网络，通过所述fcos网络识别出所述画钟图像数据集中的手写体数字具体为：
4.根据权利要求3所述的画钟测验评分方法，其特征在于，所述采用最大连通域算法对所述画钟图像数据集进行圆检测，得到所述画钟图像数据集中的钟表区域具体为：
5.根据权利要求4所述的画钟测验评分方法，其特征在于，所述基于所述手写体数字的识别结果以...
【专利技术属性】
技术研发人员：范信鑫，胡庆茂，徐锦萍，陈毅，张凯，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。