本發(fā)明涉及一種基于輪廓和骨骼步態(tài)圖的老年認知障礙分類方法，屬于計算機視覺與智能信息。

背景技術：

1、認知障礙的特征是在特定認知任務中表現的改變，如定向、注意力、理解障礙、記憶、推理、解決問題、組織技能、處理速度、毅力、動機/啟動，可以同時或連續(xù)、逐漸或突然地影響多個認知領域。認知障礙和癡呆是老年人殘疾的主要原因，促進大腦健康老化被認為是減輕與年齡相關的殘疾負擔的關鍵因素。然而，據估計，40％的癡呆癥可以通過改變其風險因素、改善日常生活活動來預防或延緩。僅憑常規(guī)的非認知評估不足以讓醫(yī)生準確預測患者的認知功能。因此，認知評估有助于對損害思維的障礙進行診斷和潛在干預。

2、兩足動物是人類新皮層進化的重要基礎，因為它是所有運動中最復雜、最復雜的運動之一。運動功能和認知之間的聯系可以在一定程度上從人類兩足動物進化的角度來理解。步態(tài)模式不再被視為純粹的運動任務，而是被視為受認知和情感方面嚴重影響的復雜感覺運動行為。先前的研究報告稱，隨著時間的推移，行走速度較慢和速度下降幅度較大，獨立于認知變化，患癡呆癥的風險更大，這支持步態(tài)速度作為認知障礙的可能亞臨床標志物的作用。此外，步態(tài)的空間、時間和時空測量以及步態(tài)參數的更大可變性與全局和領域特定認知能力下降相關并可預測。此前的認知研究中使用了不同的傳感器和機器學習分析方法。有使用便攜式步態(tài)分析系統(tǒng)進行步行、計時和跳躍測試。將收集到的步態(tài)參數用于基于支持向量機(svm)和主成分分析(pca)的機器學習分類模型。也有使用3d加速度計數據收集了23個動態(tài)步態(tài)變量，并使用隨機森林(rf)和人工神經網絡(ann)對認知障礙進行分類。

技術實現思路

1、該項目的目的是開發(fā)一種基于機器視覺的老年疾病步態(tài)識別方法，無需使用接觸傳感器或指標，并探索其作為一種方便、客觀、快速和非接觸的認知障礙篩查工具的潛力。然后，對機器視覺網絡中用于步態(tài)特征提取和識別的一系列超參數進行了深入的優(yōu)化和評估。rocauc將評估癡呆和輕度認知障礙(mci)評估的表現。

2、本發(fā)明提出了一種基于輪廓和骨骼步態(tài)圖的老年認知障礙分類方法。目的在于使用深度學習的方法開發(fā)一種老年認知障礙分類方法，無需使用接觸傳感器或指標，并探索其作為一種方便、客觀、快速和非接觸的認知障礙篩查方法的潛力。

3、本發(fā)明通過以下技術方案來實現上述目的：

4、步驟一：首先從圖像數據集中取出30幀的步態(tài)輪廓圖與相對應的骨骼圖，把它們連接到一起，得到雙通道步態(tài)序列；

5、步驟二：然后將雙通道步態(tài)序列輸入到短期時間模板生成器生成模板序列；

6、步驟三：再將模板序列輸入到深度空間特征提取器，提取深度空間特征；

7、步驟四：接著將深度空間特征按水平劃分成16個部分，并用水平池化模塊進行下采樣，得到水平特征向量；

8、步驟五：將水平特征向量輸入到多尺度時間聚合器，提取多尺度的時間特征；

9、步驟六：通過三元損失和標簽平滑交叉熵損失的聯合損失函數對模型進行訓練，得到最終的分類結果。

技術特征：

1.一種基于輪廓和骨骼步態(tài)圖的老年認知障礙分類方法，其特征在于包括以下步驟：

2.根據權利要求1中步驟一所述的方法，其特征在于使用了輪廓和骨骼的多模態(tài)步態(tài)組合作為輸入的特征序列，并通過系統(tǒng)隨機抽樣的方式進行模板生成。

3.根據權利要求1中步驟二所述的方法，其特征在于構建了深度空間特征提取器來提取空間特征：它由3個模塊組成，前一個模塊中包含一個二維卷積層，一個二維深度空間卷積層，后兩個模塊包含兩個二維卷積層；二維深度空間卷積層可以被表達為：

4.根據權利要求1中步驟三所述的方法，其特征在于構建了多尺度時間聚合器來提取時間特征，構建方法如下：

技術總結
本發(fā)明公開了一種基于輪廓和骨骼步態(tài)圖的老年認知障礙分類方法。包括以下步驟：首先從圖像數據集中取出120幀的步態(tài)輪廓圖與骨骼圖，輸入到短期時間模板生成器，以每4幀為一組生成模板序列；然后將模板序列輸入到深度空間特征提取器，提取深度空間特征；再將該特征按水平劃分成16個部分，用水平池化模塊進行下采樣，得到水平特征向量后輸入到多尺度時間聚合器，提取多尺度的時間特征；最后通過三元損失和標簽平滑交叉熵損失的聯合損失函數對模型進行訓練，得到最終的分類結果。本發(fā)明目的在于開發(fā)一種老年認知障礙分類方法，無需使用接觸傳感器或指標，并探索其作為一種方便、客觀、快速和非接觸的認知障礙篩查方法的潛力。

技術研發(fā)人員：何小海,秦予禛,卿粼波,劉慶華,陳洪剛,劉怡欣,滕奇志
受保護的技術使用者：四川大學
技術研發(fā)日：
技術公布日：2025/4/10