CN112869744B - 一种精神***症辅助诊断方法、***和存储介质 - Google Patents
一种精神***症辅助诊断方法、***和存储介质 Download PDFInfo
- Publication number
- CN112869744B CN112869744B CN202110075057.8A CN202110075057A CN112869744B CN 112869744 B CN112869744 B CN 112869744B CN 202110075057 A CN202110075057 A CN 202110075057A CN 112869744 B CN112869744 B CN 112869744B
- Authority
- CN
- China
- Prior art keywords
- calculating
- samples
- jump
- eye movement
- pupil
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003745 diagnosis Methods 0.000 title claims abstract description 31
- 201000000980 schizophrenia Diseases 0.000 title claims abstract description 22
- 230000004424 eye movement Effects 0.000 claims abstract description 30
- 238000002474 experimental method Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 21
- 210000001747 pupil Anatomy 0.000 claims description 17
- 238000012706 support-vector machine Methods 0.000 claims description 11
- 238000013145 classification model Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 210000001508 eye Anatomy 0.000 claims description 6
- 210000005252 bulbus oculi Anatomy 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 235000008694 Humulus lupulus Nutrition 0.000 claims 1
- 238000010801 machine learning Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 210000003710 cerebral cortex Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002739 subcortical effect Effects 0.000 description 2
- 208000020401 Depressive disease Diseases 0.000 description 1
- 208000028017 Psychotic disease Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004598 abnormal eye movement Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008309 brain mechanism Effects 0.000 description 1
- 208000035850 clinical syndrome Diseases 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 201000003102 mental depression Diseases 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000000698 schizophrenic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
- A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/113—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining or recording eye movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Ophthalmology & Optometry (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Human Computer Interaction (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明提供一种精神***症辅助诊断方法、***和存储介质，基于自由视图实验收集眼动数据，具有简单易操作、人工工作量小的特点，并且基于眼动追踪数据，提出了五个具有可解释性的眼动特征，成功地将机器学习方法引入到精神***症诊断领域，为医生诊断精神***症提供了客观的量化指标和基于分类器的预测结果。
Description
技术领域
本发明涉及精神病诊断技术领域，具体涉及一种精神***症辅助诊断方法、***和存储介质。
背景技术
精神***症是一种极其复杂多基因与遗传性状相关的临床症候群，具有发病年龄早、病程长、功能损害严重、社会危害大的特点。目前，该疾病的诊断主要依靠医生临床问诊来判断，缺乏良好的生物学指标，因此存在误诊率高、病患疗程延误等情况。
近年来，基于虹膜反射和视频图像捕捉的眼动追踪技术日趋成熟，眼动数据的精度和采集的便捷程度逐渐升高。眼动的脑机制研究表明，完整的眼动过程既需要感觉运动转换功能也需要认知功能引导。感觉运动转换功能将视网膜接收到的视觉信号转化为眼球运动，而更高级的眼动过程如抑制性眼动控制、对目标运动速度的预测等，需要大脑启动认知功能进行调控。因此，眼球活动指标可以作为探索人类大脑皮层和皮层下相关高级认知过程的行为学测量指标。
发明内容
本发明的目在于针对已有精神***症的异常眼动行为模式，提出一系列具有显著异常的眼动指标，并将这些指标作为特征，利用机器学习方法对被试的精神***症患病风险进行预测。
为了达到上述目的，本发明一方面提供一种精神***症辅助诊断方法，其特征在于，其具体步骤如下：
S1，对志愿者和患者进行自由视图实验，采集眼动追踪数据，建立数据库；
S2，基于特征计算公式建立样本特征矩阵；
S3，训练支持向量机分类模型；
S4，对受测者进行自由视图实验，采集眼动追踪数据，并计算样本特征矩阵；
S5，将受测者的样本特征矩阵输入步骤S3中训练好的分类模型，根据分类结果计算患病风险，输出诊断结论。
进一步的，所述步骤S1中，还包括：
S101，采用眼动追踪设备记录受试者的眼动追踪数据，所述眼动追踪数据包括眼球注视位置和跳视路径；
S102，将受试者的序号与图片名称作为主键建立关系型数据库，所述数据库中每一条记录作为样本均包括与主键相对应的眼动追踪数据。
进一步的，所述步骤S2中，还包括：
S201，计算平均视跳速度其计算过程为：
其中，n表示跳视次数，Ampi表示第i次跳视的跳视强度，ti表示第i次跳视的持续时间，两者相除得到该次跳视的速度，再求n次跳视速度的平均值
进一步的，所述步骤S2中，还包括：
S202，计算瞳孔动态范围，其计算过程为：
其中，dmax和dmin分别表示最大瞳孔直径和最小瞳孔直径，表示瞳孔平均直径。
进一步的，所述步骤S2中，还包括：
S203，计算瞳孔最大均值比MMRPS，其计算过程为：
进一步的，所述步骤S2中，还包括：
S204，计算注视点偏度SF，其计算过程为：
其中，x0和y0分别是图像几何中心的横纵坐标，xi和yi表示第i个注视点的横纵坐标，n为注视点个数。
进一步的，所述步骤S2中，还包括：
S205，计算有效观察时间，其计算过程为：
其中，n和m分别代表注视点个数和跳视次数，表示第i个注视点的注视持续时间，/>表示第j次跳视的跳视持续时间，计算结果为有效观察时间，记为tvalid。
进一步的，所述步骤S2中，还包括：
S206，将计算出的五个特征值与对应的受试者序号及图片名称进行合并，组成样本特征矩阵，所述样本特征矩阵的维数为N×5，N为样本总数。
进一步的，所述步骤S3中，还包括：
S301，将数据库中患者和志愿者的样本分别作为正样本和负样本，训练支持向量机模型；
S302，选用高斯径向基函数核，将低维特征映射到高维特征空间，计算两个样本之间的距离；
S303，采用顺序最小化优化方法对支持向量机进行训练，其损失函数设定为平均误差函数。
进一步的，所述样本之距离的计算过程为：
其中，x和x'分别表示两个样本的特征向量，σ是该核函数的缩放因子。
进一步的，在所述步骤S5中，所述诊断结果的计算过程包括：
S501，根据下式计算预测结果：
其中，p定义为分类结果中分类为正样本的数量除以总样本数量，Th为预先设定的阈值；
S502，计算置信度：
Conf(p)＝2*[sigmoid(10*|p-0.5|)-0.5]
其中，sigmoid为激活函数，定义为：
另一方面，本发明还提供一种精神***症辅助诊断***，包括：
数据获取模块，对志愿者和患者进行自由视图实验，采集眼动追踪数据，建立数据库；
特征提取模块，基于特征计算公式建立样本特征矩阵；
模型建立模块，训练支持向量机分类模型；
诊断输出模块，将受测者的样本特征矩阵输入训练好的分类模型，根据分类结果计算患病风险，输出诊断结论。
另一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求上述方法的步骤。
本发明具有以如下有益效果：
本发明基于自由视图实验收集眼动数据，具有简单易操作、人工工作量小的特点，并且基于眼动追踪数据，提出了五个具有可解释性的眼动特征，成功地将机器学习方法引入到精神***症诊断领域，为医生诊断精神***症提供了客观的量化指标和基于分类器的预测结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种精神***症辅助诊断方法的方法流程图。
图2为本发明预测结果的置信度函数的示意图。
图3为本发明一种精神***症辅助诊断***的***框架图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
眼球活动指标可以作为探索人类大脑皮层和皮层下相关高级认知过程的行为学测量指标。对于存在认知功能障碍的精神***症患者，其相对于正常人的眼动异常值可以作为表征其精神抑制状态的生物学指标。因此，可通过特定的实验范式对精神***症患者的眼动差异进行检测，提出一系列具有显著异常的眼动指标，并将这些指标作为特征，利用机器学习方法对被试的精神***症患病风险进行预测。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
图1是本发明实施例的一种精神***症辅助诊断方法的方法流程图。如图1所示，本发明实施例的一种精神***症辅助诊断方法的方法包括以下步骤：
S1，对志愿者和患者进行自由视图实验，采集眼动追踪数据，建立数据库。
具体的，在实验过程中请每一位志愿者或患者(统称为被试)坐在实验设备前，自由地观看屏幕上出现的图片，同时，利用专业的眼动追踪设备记录其眼球注视位置和跳视路径等信息。
实验完成后，对眼动追踪数据进行处理，以“被试序号-图片名称”为主键建立关系型数据库，即每一条“被试序号-图片名称”与其对应的眼动追踪数据作为一个样本。
S2，基于特征计算公式建立样本特征矩阵。
具体的，在所述步骤S2中，还包括：
S201，计算平均视跳速度其计算过程为：
其中，n表示跳视次数，Ampi表示第i次跳视的跳视强度，ti表示第i次跳视的持续时间，两者相除得到该次跳视的速度，再求n次跳视速度的平均值
S202，计算瞳孔动态范围，其计算过程为：
其中，dmax和dmin分别表示最大瞳孔直径和最小瞳孔直径，表示瞳孔平均直径。
S203，计算瞳孔最大均值比MMRPS，其计算过程为：
S204，计算注视点偏度SF，其计算过程为：
其中，x0和y0分别是图像几何中心的横纵坐标，xi和yi表示第i个注视点的横纵坐标，n为注视点个数。
S205，计算有效观察时间，其计算过程为：
其中，n和m分别代表注视点个数和跳视次数，表示第i个注视点的注视持续时间，/>表示第j次跳视的跳视持续时间，计算结果为有效观察时间，记为tvalid。
S206，将计算出的五个特征值与对应的受试者序号及图片名称进行合并，组成样本特征矩阵，所述样本特征矩阵的维数为N×5，N为样本总数。
S3，训练支持向量机分类模型。
具体的，在步骤S3中，还包括：
S301，将数据库中患者和志愿者的样本分别作为正样本和负样本，训练支持向量机模型。
S302，选用高斯径向基函数核，将低维特征映射到高维特征空间，计算两个样本之间的距离。
其中，所述样本之距离的计算过程为：
其中，x和x'分别表示两个样本的特征向量，σ是该核函数的缩放因子。
S303，采用顺序最小化优化方法对支持向量机进行训练，其损失函数设定为平均误差函数。
S4，对受测者进行自由视图实验，采集眼动追踪数据，并计算样本特征矩阵.
S5，将受测者的样本特征矩阵输入步骤S3中训练好的分类模型，根据分类结果计算患病风险，输出诊断结论。
具体的，在步骤S5中，所述诊断结果的计算过程包括：
S501，根据下式计算预测结果：
其中，p定义为分类结果中分类为正样本的数量除以总样本数量，Th为预先设定的阈值。
S502，计算置信度，图2为本发明预测结果的置信度函数的示意图，如图2所示，置信度的计算函数为：
Conf(p)＝2*[sigmoid(10*|p-0.5|)-0.5]
其中，sigmoid为激活函数，定义为：
图3为本发明一种精神***症辅助诊断***的***框架图。如图3所示，本发明一种精神***症辅助诊断***包括:
数据获取模块1，对志愿者和患者进行自由视图实验，采集眼动追踪数据，建立数据库.
特征提取模块2，基于特征计算公式建立样本特征矩阵.
模型建立模块3，训练支持向量机分类模型.
诊断输出模块4，将受测者的样本特征矩阵输入训练好的分类模型，根据分类结果计算患病风险，输出诊断结论。
在本发明的另一个实施例中本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述方法的步骤。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种精神***症辅助诊断***，其特征在于，包括：
数据获取模块，对志愿者和患者进行自由视图实验，采集眼动追踪数据，建立数据库；
特征提取模块，基于特征计算公式建立样本特征矩阵，所述样本特征矩阵包括平均视跳速度、瞳孔动态范围、瞳孔最大均值比、注视点偏度SF、有效观察时间，所述特征提取模块执行以下方法：
S201，计算平均视跳速度，其计算过程为：
其中，表示跳视次数，/>表示第i次跳视的跳视强度，/>表示第i次跳视的持续时间；
S202，计算瞳孔动态范围，其计算过程为：
其中，和/>分别表示最大瞳孔直径和最小瞳孔直径，/>表示瞳孔平均直径；
S203，计算瞳孔最大均值比MMRPS，其计算过程为：
S204，计算注视点偏度SF，其计算过程为：
其中，和/>分别是图像几何中心的横纵坐标，/>和/>表示第i个注视点的横纵坐标，n为注视点个数；
S205，计算有效观察时间，其计算过程为：
其中，n和m分别代表注视点个数和跳视次数，表示第i 个注视点的注视持续时间，表示第j次跳视的跳视持续时间，计算结果为有效观察时间，记为/>；
S206，将计算出的五个特征值与对应的受试者序号及图片名称进行合并，组成样本特征矩阵，所述样本特征矩阵的维数为N5，N为样本总数；
诊断输出模块，将受测者的样本特征矩阵输入训练好的分类模型，根据分类结果计算患病风险，输出诊断结论；
模型建立模块，训练支持向量机分类模型，所述模型建立模块执行以下方法：
S301，将数据库中患者和志愿者的样本分别作为正样本和负样本，训练支持向量机模型；
S302，选用高斯径向基函数核，将低维特征映射到高维特征空间，计算两个样本之间的距离；
S303，采用顺序最小化优化方法对支持向量机进行训练，其损失函数设定为平均误差函数。
2.根据权利要求1所述的一种精神***症辅助诊断***，其特征在于，所述数据获取模块执行以下方法：
S101，采用眼动追踪设备记录受试者的眼动追踪数据，所述眼动追踪数据包括眼球注视位置和跳视路径；
S102，将受试者的序号与图片名称作为主键建立关系型数据库，所述数据库中每一条记录作为样本均包括与主键相对应的眼动追踪数据。
3.根据权利要求2所述的一种精神***症辅助诊断***，其特征在于，所述样本之间的距离的计算过程为：
其中，x和x'分别表示两个样本的特征向量，σ是核函数的缩放因子。
4.根据权利要求1所述的一种精神***症辅助诊断***，其特征在于，所述诊断输出模块执行以下方法：
S501，根据下式计算预测结果：
其中，p定义为分类结果中分类为正样本的数量除以总样本数量，Th为预先设定的阈值；
S502，计算置信度：
其中，sigmoid为激活函数，定义为：
。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110075057.8A CN112869744B (zh) | 2021-01-20 | 2021-01-20 | 一种精神***症辅助诊断方法、***和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110075057.8A CN112869744B (zh) | 2021-01-20 | 2021-01-20 | 一种精神***症辅助诊断方法、***和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112869744A CN112869744A (zh) | 2021-06-01 |
| CN112869744B true CN112869744B (zh) | 2024-05-31 |
Family
ID=76050451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110075057.8A Active CN112869744B (zh) | 2021-01-20 | 2021-01-20 | 一种精神***症辅助诊断方法、***和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112869744B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115444423A (zh) * | 2022-10-18 | 2022-12-09 | 上海耐欣科技有限公司 | 一种预测***、预测方法、装置、设备及存储介质 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003026500A1 (en) * | 2001-09-25 | 2003-04-03 | The University Of Queensland | Method and apparatus for diagnosing schizophrenia and schizophrenia subtype |
| WO2007130542A2 (en) * | 2006-05-03 | 2007-11-15 | Siemens Medical Solutions Usa, Inc. | Classification of candidates using their correlation information in computer aided diagnosis |
| JP2008206830A (ja) * | 2007-02-27 | 2008-09-11 | Tokyo Univ Of Science | 統合失調症診断装置及びプログラム |
| WO2010112771A1 (fr) * | 2009-04-01 | 2010-10-07 | E(Ye)Brain | Procede et systeme de mise en evidence d'anomalies oculomotrices |
| WO2013166025A1 (en) * | 2012-05-01 | 2013-11-07 | RightEye, LLC | Systems and methods for evaluating human eye tracking |
| WO2014159498A2 (en) * | 2013-03-14 | 2014-10-02 | Virginia Commonwealth University | Automated analysis system for the detection and screening of neurological disorders and deficits |
| WO2015095930A1 (en) * | 2013-12-23 | 2015-07-02 | Stephanie Fryar-Williams | Mental illness model and mental illness risk assessment test for schizophrenic psychosis |
| WO2016112690A1 (zh) * | 2015-01-14 | 2016-07-21 | 北京工业大学 | 一种基于眼动数据的网上用户状态识别方法和装置 |
| JP2016163166A (ja) * | 2015-03-02 | 2016-09-05 | 株式会社リコー | 通信端末、面談システム、表示方法及びプログラム |
| CN109223006A (zh) * | 2018-10-26 | 2019-01-18 | 首都医科大学附属北京安定医院 | 一种精神***症诊断*** |
| CN109359403A (zh) * | 2018-10-29 | 2019-02-19 | 上海市同济医院 | 一种基于面孔表情识别磁共振成像的精神***症早期诊断模型及其应用 |
| CN109480865A (zh) * | 2018-10-26 | 2019-03-19 | 首都医科大学附属北京安定医院 | 利用眼动指标诊断精神***症的*** |
| WO2019111165A1 (en) * | 2017-12-05 | 2019-06-13 | Lam Yuen Lee Viola | Interactive and adaptive learning, neurocognitive disorder diagnosis, and noncompliance detection systems using pupillary response and face tracking and emotion detection with associated methods |
| WO2020070318A1 (en) * | 2018-10-05 | 2020-04-09 | F. Hoffmann-La Roche Ag | Digital biomarkers for assessing schizophrenia |
| WO2020253886A1 (zh) * | 2019-06-18 | 2020-12-24 | 广州智睿医疗科技有限公司 | 一种病理辅助诊断方法 |
| CN112168187A (zh) * | 2020-09-29 | 2021-01-05 | 首都医科大学附属北京安定医院 | 一种精神***症的诊断指标、诊断模型与诊断*** |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10013638B2 (en) * | 2008-08-14 | 2018-07-03 | Ping Zhang | Cancer diagnostic method and system |
| GB201200122D0 (en) * | 2012-01-05 | 2012-02-15 | Univ Aberdeen | An apparatus and a method for psychiatric evaluation |
| WO2015164807A1 (en) * | 2014-04-25 | 2015-10-29 | Texas State University | Detection of brain injury and subject state with eye movement biometrics |
-
2021
- 2021-01-20 CN CN202110075057.8A patent/CN112869744B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003026500A1 (en) * | 2001-09-25 | 2003-04-03 | The University Of Queensland | Method and apparatus for diagnosing schizophrenia and schizophrenia subtype |
| WO2007130542A2 (en) * | 2006-05-03 | 2007-11-15 | Siemens Medical Solutions Usa, Inc. | Classification of candidates using their correlation information in computer aided diagnosis |
| JP2008206830A (ja) * | 2007-02-27 | 2008-09-11 | Tokyo Univ Of Science | 統合失調症診断装置及びプログラム |
| WO2010112771A1 (fr) * | 2009-04-01 | 2010-10-07 | E(Ye)Brain | Procede et systeme de mise en evidence d'anomalies oculomotrices |
| WO2013166025A1 (en) * | 2012-05-01 | 2013-11-07 | RightEye, LLC | Systems and methods for evaluating human eye tracking |
| WO2014159498A2 (en) * | 2013-03-14 | 2014-10-02 | Virginia Commonwealth University | Automated analysis system for the detection and screening of neurological disorders and deficits |
| WO2015095930A1 (en) * | 2013-12-23 | 2015-07-02 | Stephanie Fryar-Williams | Mental illness model and mental illness risk assessment test for schizophrenic psychosis |
| WO2016112690A1 (zh) * | 2015-01-14 | 2016-07-21 | 北京工业大学 | 一种基于眼动数据的网上用户状态识别方法和装置 |
| JP2016163166A (ja) * | 2015-03-02 | 2016-09-05 | 株式会社リコー | 通信端末、面談システム、表示方法及びプログラム |
| WO2019111165A1 (en) * | 2017-12-05 | 2019-06-13 | Lam Yuen Lee Viola | Interactive and adaptive learning, neurocognitive disorder diagnosis, and noncompliance detection systems using pupillary response and face tracking and emotion detection with associated methods |
| WO2020070318A1 (en) * | 2018-10-05 | 2020-04-09 | F. Hoffmann-La Roche Ag | Digital biomarkers for assessing schizophrenia |
| CN109223006A (zh) * | 2018-10-26 | 2019-01-18 | 首都医科大学附属北京安定医院 | 一种精神***症诊断*** |
| CN109480865A (zh) * | 2018-10-26 | 2019-03-19 | 首都医科大学附属北京安定医院 | 利用眼动指标诊断精神***症的*** |
| CN109359403A (zh) * | 2018-10-29 | 2019-02-19 | 上海市同济医院 | 一种基于面孔表情识别磁共振成像的精神***症早期诊断模型及其应用 |
| WO2020253886A1 (zh) * | 2019-06-18 | 2020-12-24 | 广州智睿医疗科技有限公司 | 一种病理辅助诊断方法 |
| CN112168187A (zh) * | 2020-09-29 | 2021-01-05 | 首都医科大学附属北京安定医院 | 一种精神***症的诊断指标、诊断模型与诊断*** |
Non-Patent Citations (5)
| Title |
|---|
| 支持向量机在脑电信号分类中的应用;李钢;王蔚;张胜;;计算机应用;20060610(06);第197-199+202页 * |
| 李瑜.首发精神***症与抑郁发作的眼动特征及诊断鉴别模型建立.《中国优秀硕士学位论文全文数据库（医药卫生科技辑）》.2019,正文第2-3章，图3-15. * |
| 精神***症的眼球跳视研究;李瑜;王俊杰;张天宏;王继军;;国际精神病学杂志;20170425(02);第9-11+15页 * |
| 首发未治疗精神***症患者视觉引导眼跳中速度非对称与眼跳幅度相关性研究;王晨;王克永;谢新晖;朱春燕;张蕾;孔晓明;;安徽医科大学学报;20160606(07);第109-112页 * |
| 首发精神***症与抑郁发作的眼动特征及诊断鉴别模型建立;李瑜;《中国优秀硕士学位论文全文数据库（医药卫生科技辑）》;正文第2-3章，图3-15 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112869744A (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3617815B1 (en) | Work support device, work support method, and work support program | |
| US20200337580A1 (en) | Time series data learning and analysis method using artificial intelligence | |
| US9861308B2 (en) | Method and system for monitoring stress conditions | |
| US9792823B2 (en) | Multi-view learning in detection of psychological states | |
| JPWO2008088070A1 (ja) | 覚醒状態判定モデル生成装置、覚醒状態判定装置及び警告装置 | |
| KR101854812B1 (ko) | 시청각 콘텐츠와 생체신호 분석을 활용한 정신증상 평가 시스템 | |
| CN112890815A (zh) | 一种基于深度学习的孤独症辅助评估***和方法 | |
| CN104771164A (zh) | 运用事件相关电位仪辅助筛查轻度认知障碍的方法 | |
| CN112869744B (zh) | 一种精神***症辅助诊断方法、***和存储介质 | |
| CN115363531A (zh) | 基于双模态脑电信号信息瓶颈的癫痫检测*** | |
| CN115329818A (zh) | 基于vr的多模态融合注意力评估方法、***及存储介质 | |
| CN113469218A (zh) | 基于深度学习的心电信号危急值处理方法、***及介质 | |
| CN117224080B (zh) | 大数据的人体数据监测方法装置 | |
| CN114424941A (zh) | 疲劳检测模型构建方法、疲劳检测方法、装置及设备 | |
| JP2023526412A (ja) | 情報処理方法、電子装置、及びコンピュータ記憶媒体 | |
| Shen et al. | Explainable depression recognition from eeg signals via graph convolutional network | |
| EP2834775B1 (en) | Method and system for assisting the visual exploration of an image during a target search | |
| JPH02112098A (ja) | 情報選択提供装置 | |
| CN107536616B (zh) | 焦虑状态的确定方法、装置、设备以及存储介质 | |
| Kang et al. | A sleep stage classification method using deep learning by extracting the characteristics of frequency domain from a single EEG channel | |
| Li et al. | Assessment of firefighter-training effectiveness in China based on human-factor parameters and machine learning | |
| CN115470830B (zh) | 一种基于多源域适应的脑电信号跨用户警觉性监测方法 | |
| JP2019504404A (ja) | 挙動学習臨床支援 | |
| US12051490B2 (en) | Direct medical treatment predictions using artificial intelligence | |
| CN118352067A (zh) | 一种基于人工智能的精神障碍预测方法、***及可存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |