CN110517772A - 一种自闭症筛查系统 - Google Patents
一种自闭症筛查系统 Download PDFInfo
- Publication number
- CN110517772A CN110517772A CN201910903427.5A CN201910903427A CN110517772A CN 110517772 A CN110517772 A CN 110517772A CN 201910903427 A CN201910903427 A CN 201910903427A CN 110517772 A CN110517772 A CN 110517772A
- Authority
- CN
- China
- Prior art keywords
- subject
- picture
- normal form
- eye movement
- movement data
- 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.)
- Pending
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 107
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 107
- 238000012216 screening Methods 0.000 title claims abstract description 82
- 230000000638 stimulation Effects 0.000 claims abstract description 136
- 230000004424 eye movement Effects 0.000 claims abstract description 109
- 239000000284 extract Substances 0.000 claims abstract description 10
- 230000008602 contraction Effects 0.000 claims description 68
- 210000001747 pupil Anatomy 0.000 claims description 53
- 238000000034 method Methods 0.000 claims description 25
- 238000012360 testing method Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000001815 facial effect Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 17
- 201000009310 astigmatism Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 235000013399 edible fruits Nutrition 0.000 description 4
- 210000000887 face Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 241000212749 Zesius chrysomallus Species 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241001446467 Mama Species 0.000 description 1
- 241001442654 Percnon planissimum Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
Classifications
-
- 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
- A61B3/11—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring interpupillary distance or diameter of pupils
- A61B3/112—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring interpupillary distance or diameter of pupils for measuring diameter of pupils
-
- 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
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/06—Children, e.g. for attention deficit diagnosis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Ophthalmology & Optometry (AREA)
- Pathology (AREA)
- Psychiatry (AREA)
- Child & Adolescent Psychology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明提供了一种自闭症筛查系统。该系统包括：显示装置，数据采集装置以及处理器，显示装置用于在处理器的驱控下分时段显示第一刺激范式和第二刺激范式，其中第一刺激范式包括交替排列的全黑图片和全白图片，第二刺激范式包括不同人脸图片；数据采集装置用于采集显示第一刺激范式时被试者的第一眼动数据序列和显示第二刺激范式时被试者的第二眼动数据序列；处理器用于驱控显示装置并提取第一眼动数据序列的第一特征值和第二眼动数据序列的第二特征值，并根据第一特征值和第二特征值确定被试者的自闭症筛查结果。上述自闭症筛查系统，可以通过被试者容易接受的方式更准确地确定被试者的自闭症筛查结果。
Description
技术领域
本发明涉及医疗器械领域，更具体地涉及一种自闭症筛查系统。
背景技术
随着科学技术的发展、计算设备处理能力的增强，越来越多的图像数据应用于医学领域。
利用刺激图像进行自闭症筛查研究是一种新的技术手段，其不依赖于家长对孩子的观看和了解进行评判，由此避免了过多地受到家长认知水平的限制。但是，目前的自闭症筛查系统难以满足对自闭症筛查结果的准确性要求。
发明内容
考虑到上述问题而提出了本发明。本发明提供了一种自闭症筛查系统，包括：显示装置，数据采集装置以及与所述显示装置和所述数据采集装置连接的处理器，其中
所述显示装置用于在所述处理器的驱控下分时段显示第一刺激范式和第二刺激范式，其中所述第一刺激范式包括交替排列的全黑图片和全白图片，所述第二刺激范式包括不同人脸图片；
所述数据采集装置用于采集显示所述第一刺激范式时被试者的第一眼动数据序列和显示所述第二刺激范式时所述被试者的第二眼动数据序列；
所述处理器用于驱控所述显示装置并提取所述第一眼动数据序列的第一特征值和所述第二眼动数据序列的第二特征值，并根据所述第一特征值和所述第二特征值确定所述被试者的自闭症筛查结果。
示例性地，所述全黑图片和所述全白图片都是6个，所述显示装置显示所述第一刺激范式通过以下方式实现：按照全黑图片和全白图片交替的方式显示所述第一刺激范式，其中每个全黑图片和每个全白图片都显示第一预设时长。
示例性地，所述第二刺激范式包括2个女童脸部图片，2个男童脸部图片、2个女青年脸部图片、2个男青年脸部图片、2个老年女子脸部图片和2个老年男子脸部图片，其中，所述显示装置显示所述第二刺激范式通过以下方式实现：以每个人脸图片显示第二预设时长的方式轮流显示所有人脸图片。
示例性地，所述处理器提取所述第一眼动数据序列的第一特征值通过以下方式实现：
根据所述第一眼动数据序列获取所述被试者注视所述第一刺激范式中的图片个数；以及
根据所述第一眼动数据序列确定所述被试者注视所述全白图片时的瞳孔收缩幅度、收缩时间和收缩速度。
示例性地，所述处理器根据所述第一眼动数据序列确定所述被试者注视所述全白图片时的瞳孔收缩幅度、收缩时间和收缩速度通过以下方式实现：
针对每个全白图片，
根据所述第一眼动数据序列中的眼动数据的采集时间从所述第一眼动数据序列中获取第一有效序列；
根据所述第一有效序列内瞳孔最大直径和其对应的时间、瞳孔最小直径和其对应的时间确定所述被试者注视该全白图片时的瞳孔收缩幅度、收缩时间和收缩速度。
示例性地，所述处理器在根据所述第一有效序列内瞳孔最大直径和其对应的时间、瞳孔最小直径和其对应的时间确定所述被试者注视该全白图片时的瞳孔收缩幅度、收缩时间和收缩速度之前，还用于，
对于每个第一有效序列，
确定该第一有效序列的数据缺失率；
对于该第一有效序列的数据缺失率低于缺失率阈值的情况，使用前向填充法填补该第一有效序列中的缺失值；
对经填补的第一有效序列进行滤波平滑和/或降采样操作。
示例性地，所述处理器提取所述第二眼动数据序列的第二特征值通过以下方式实现：
根据所述第二眼动数据序列获取所述被试者注视所述第二刺激范式中的人脸图片中设置的不同区域的注视时间特征；以及
根据所述第二眼动数据序列确定所述被试者注视所述第二刺激范式时的瞳孔收缩幅度、收缩时间和收缩速度。
示例性地，所述人脸图片设置有以下区域中的一个或多个：嘴部区域、眼部区域、脸部区域和背景区域。
示例性地，所述注视时间特征包括：每个区域的平均注视时间和注视图片个数。
示例性地，所述处理器在根据所述第二眼动数据序列确定所述被试者注视所述第二刺激范式时的瞳孔收缩幅度、收缩时间和收缩速度之前，还用于：
针对所述第二眼动数据序列中的、显示所述第二刺激范式中的每个人脸图片时所采集的子序列；
确定所述子序列的数据缺失率；
对于所述子序列的数据缺失率低于缺失率阈值的情况，使用前向填充法填补所述子序列中的缺失值；
对经填补的子序列进行滤波平滑和/或降采样操作。
示例性地，所述处理器根据所述第一特征值和所述第二特征值确定所述被试者的自闭症筛查结果包括：
根据所述第一特征值利用线性判别分析算法确定所述被试者患有自闭症的第一概率；
根据所述第二特征值利用线性支持向量机算法确定所述被试者患有自闭症的第二概率；
根据所述第一概率和所述第二概率确定所述被试者的自闭症筛查结果。
示例性地，所述显示装置还用于在显示所述第一刺激范式之前先显示全灰图片第三预设时长，在显示所述第二刺激范式之前，先显示全黑图片第四预设时长。
示例性地，所述的系统还包括通信接口，用于自所述被试者的移动终端接收校准能力测试数据；
其中，所述移动终端用于播放校准动画，采集所述被试者观看所述校准动画时的人脸图像，根据所述人脸图像确定所述被试者的瞳孔中心，对于所述被试者的瞳孔中心的运动范围在预定范围内持续时间大于预设时长阈值的情况，向所述系统发送表示所述被试者通过校准能力测试的校准能力测试数据。
示例性地，所述数据采集装置包括眼动仪和/或瞳孔仪。
上述自闭症筛查系统，通过被试者容易接受的方式，获取被试者观看不同刺激范式时的眼动数据，进而基于所获取的眼动数据得到该被试者的自闭症筛查结果。对于被试者来说，该自闭症筛查过程无伤害且易于接受，而且筛查结果客观准确。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1示出了根据本发明一个实施例的自闭症筛查系统的示意性框图；
图2示出了根据本发明一个实施例的眼动校准能力测试的示意性流程图；
图3示出了根据本发明一个实施例的第一刺激范式示意图；
图4示出了根据本发明一个实施例的第二刺激范式示意图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
本发明利用被试者观看不同的刺激范式的瞳孔变化的特异性，提供了一种自闭症筛查系统。图1示出了根据本发明一个实施例的自闭症筛查系统100的示意性框图。
如图1所示，系统100包括显示装置110、数据采集装置120以及与这二者连接的处理器130。
可以理解，图1所示的人脸头像为被试者的示意图。所述被试者与显示装置110的连线用于表示被试者观看显示装置110显示的内容；所述被试者与数据采集装置120的连线用于表示被试者在观看显示装置110显示的内容的同时，数据采集装置120采集被试者的眼动数据。
显示装置110用于在处理器130的驱控下分时段显示第一刺激范式和第二刺激范式，其中所述第一刺激范式包括交替排列的全黑图片和全白图片，所述第二刺激范式包括不同人脸图片。
可以理解，第一刺激范式的图片和第二刺激范式中的人脸图片用于被试者观看。将被试者观看上述图片的刺激结果作为自闭症筛查的数据分析基础，所以，第一刺激范式和第二刺激范式的图片也可统称为刺激图片。
第一刺激范式可以用于检测被试者的瞳孔对光的反应。可以理解，当眼睛受到光线刺激时瞳孔一般会立即缩小，移开光源后瞳孔会迅速变大。可以将全黑图片和全白图片至少作为刺激图片的一部分。具体来说，对于每一位被试者，在刚刚开始观看全白图片时，可以认为被试者的眼受到了强光刺激。此时，被试者的瞳孔缩小。在刚刚开始观看全黑图片时，被试者的眼失去了光刺激，其瞳孔会变大。基于全黑图片和全白图片的交替显示的方式，可以采集被试者突然受到光刺激时的眼反应。对于有自闭症倾向的被试者来说，因为其对刺激的关注度可能不是很高，所以其眼反应与无自闭症倾向的被试者会略有差异。所以，交替排列的全黑图片和全白图片的第一刺激范式有助于进行自闭症筛查。
人们对于人脸图片的关注度一般较高，但有自闭症倾向的被试者和无自闭症倾向的被试者对不同人脸图片的关注度存在不同的特性。基于此，在第二刺激范式中设置了不同人脸图片，期望利用这些人脸图片进一步分析被试者的自闭症筛查结果。
显示装置110可以是屏幕，通过屏幕显示第一刺激范式和第二刺激范式中的刺激图片。显示装置110也可以是投影机，将第一刺激范式和第二刺激范式中的刺激图片投影到幕布上或墙上。显示装置110还可以是幻灯机，把第一刺激范式和第二刺激范式中的刺激图片做成幻灯片进行投影显示。另外，显示装置110还可以是阅读板，直接在阅读板上放置纸质的刺激图片给被试者观看。总之，显示装置110只需要能够将第一刺激范式和第二刺激范式中的刺激图片显示给被试者观看，并通过处理器自动或手动方式控制各个刺激图片相应的显示时长即可。本发明对此不做限制。
数据采集装置120用于采集显示第一刺激范式时被试者的第一眼动数据序列和显示第二刺激范式时所述被试者的第二眼动数据序列。
有自闭症倾向的被试者和无自闭症倾向的被试者在观看第一刺激范式和第二刺激范式中的刺激图片时的眼动数据不同。这可以通过眼动数据的各种变化特征体现。
被试者在观看第一刺激范式或第二刺激范式时的眼动数据为眼动数据序列。被试者在观看第一刺激范式时的眼动数据为第一眼动数据序列；同样的，被试者在观看第二刺激范式时的眼动数据为第二眼动数据序列。
数据采集装置120可以是任何现有的或未来开发的能够采集眼动数据的装置或设备，可用其采集被试者观看第一刺激范式和第二刺激范式时的眼动数据。
示例性地，数据采集装置120可以包括眼动仪和/或瞳孔仪。数据采集装置120可以通过其自带的摄像头等装置捕捉被试者眼睛的眼动数据，以用于自闭症筛查。例如，可采用型号为SMI RED500的非侵入式眼动仪，以120Hz的采样频率记录被试者在观看第一刺激范式和第二刺激范式时的眼动数据。数据采集装置120作为无创设备，可以通过非侵入方式采集被试者的眼动数据，不会给被试者带来不适，容易接受，尤其适用于被试者是儿童的情况。
与显示装置110连接的处理器130用于驱控上述显示装置110，以使显示装置110按照预设规则显示刺激图片。
处理器130还和数据采集装置120连接，用于提取第一眼动数据序列的第一特征值和第二眼动数据序列的第二特征值，并根据所述第一特征值和所述第二特征值确定被试者的自闭症筛查结果。
可以理解，可以根据处理器130提取的第一特征值确定该被试者的自闭症第一筛查结果；根据处理器130提取的第二特征值确定该被试者的自闭症第二筛查结果。由此，可以基于第一筛查结果和第二筛查结果确定被试者的自闭症筛查结果。确定所述自闭症筛查结果的方式可以有多种。比如，可以在第一筛查结果和第二筛查结果相同的情况下确定其中任一个为自闭症筛查结果，否则给出待定结论。
上述自闭症筛查系统，通过被试者容易接受的方式，获取被试者观看不同范式时的眼动数据，进而基于所获取的眼动数据得到该被试者的自闭症筛查结果。对于被试者来说，该自闭症筛查过程无伤害且易于接受，而且筛查结果客观准确。
可以理解，自闭症筛查系统中可以由诸如眼动仪等数据采集装置采集各个眼动数据序列。为了数据采集装置能准确采集被试者的眼动数据，在上述自闭症筛查系统进行自闭症筛查之前还可以针对被试者进行校准能力测试。示例性地，上述自闭症筛查系统还包括通信接口，用于自被试者的移动终端接收校准能力测试数据。移动终端可以是手机、平板电脑或者其他智能设备。移动终端可以建立与自闭症筛查系统的通信接口的连接，基于所述连接可以自移动终端接收数据。
图2示出了根据本发明一个实施例的眼动校准能力测试的示意性流程图。如图2所述，眼动校准能力测试可以包括以下步骤。
步骤S210，通过问卷询问被试者是否散光以及如果散光的话，其散光程度。
可以理解，自闭症筛查系统是通过被试者眼动数据筛查被试者是否有自闭症。首先可以通过问卷询问的方式确定被试者是否散光以及散光程度，否则可能会由于散光导致被试者的眼动数据难以正确反映自闭症倾向，进而影响自闭症筛查结果。
在确认被试者非散光或者散光程度较低的情况下执行步骤S220，否则确定被试者未通过校准能力测试。
步骤S220，通过移动终端播放长特定时长的校准动画，诸如10秒。同时，基于移动终端的前置摄像头采集被试者观看校准动画时的人脸图像，并对被试者的注视时间进行计时。
由被试者观看移动终端播放长10秒的校准动画，可以基于被试者观看所述校准动画时的状态，获取被试者瞳孔中心的运动情况，以判断被试者是否通过校准能力测试。
校准动画的播放的内容可以包括快速变化的圆点。比如，在一个示例中，校准动画为红色圆点在屏幕上五个位置间来回移动；红色圆点在每个位置闪烁0.5s左右，而后快速移动到下一个位置，位置切换时间可以小于0.2s。
注视时间是被试者的眼睛注视上述校准动画的时间。在校准动画开始播放时开始计时，一旦被试者的眼睛不再注视屏幕，立即停止计时。
可以基于移动终端前置摄像头所采集的图像对被试者观看校准动画的注视时间进行计时。在上述示例中，基于移动终端前置摄像头采集被试者观看校准动画时的人脸图像。根据人脸图像确定被试者的瞳孔中心。具体地，可以首先根据人脸图像定位出人脸位置。然后根据人脸位置确定被试者的瞳孔中心。在校准动画开始播放时开始对被试者的瞳孔中心在预定范围内运动的持续时间进行计时。可以理解，如果被试者的瞳孔中心在预定范围内，可以认为被试者的眼睛正在注视校准动画，则该时刻属于注视时间；否则，认为被试者的眼睛已经离开校准动画，停止计时。
步骤S230，基于注视时间判断被试者是否通过校准能力测试。对于上述注视时间大于预设时长阈值的情况，可以确定被试者通过校准能力测试；否则，确定被试者未通过校准能力测试。
移动终端还用于向自闭症筛查系统发送表示被试者通过校准能力测试的校准能力测试数据。
在此方案中，可以仅针对通过校准能力测试的被试者进行自闭症筛查，提高筛查的准确性，避免无用功。
可选地，移动终端可以以各种方式向被试者通知校准能力测试结果，以使被试者和相关人员明了被试者的状态。例如，对于未通过校准能力测试的被试者，其可以选用其他的自闭症筛查方法，例如，利用行为量表进行判定，完成自闭症筛查。
示例性地，显示装置110除了用于显示第一刺激范式，还用于在显示第一刺激范式之前先显示全灰图片第三预设时长，例如10至20秒中的任意值。
可以理解，在显示第一刺激范式之前先显示全灰图片第三预设时长，可以由全灰图片自然地过度到第一刺激范式，例如全黑图片，避免了眼睛受到有色光线的干扰，提高自闭症筛查结果的准确性。
示例性地，第一刺激范式中的全黑图片和全白图片都是6个。所述显示装置110显示所述第一刺激范式通过以下方式实现：按照全黑图片和全白图片交替的方式显示所述第一刺激范式，其中每个全黑图片和每个全白图片都显示第一预设时长。当第一刺激范式由全黑图片变为全白图片时，可以认为被试者突然受到光线刺激，期望其眼动数据能够有效反映该刺激。有自闭症倾向的人与无自闭症倾向的人对光线刺激的反映是不同的，其眼动数据也具有不同的特征。
图3示出了根据本发明一个实施例的第一刺激范式示意图。如图3所示，在显示第一刺激范式之前先显示全灰图片10秒，之后按照全黑图片和全白图片交替显示，每个图片显示5秒。可以理解，图3仅示出了2个全黑图片和2个全白图片，但第一刺激范式中还可以包括其他全黑图片和全白图片。图3仅是示意，而不构成对本申请的限制。
可以理解，为了确保采集数据的准确性，显示装置110显示第一刺激范式的全黑图片和全白图片的数目相同。第一刺激范式中的每个图片的显示时间不宜太长，否则筛查时间过长，被试者体验较差；此外，被试者也难以保持过长时间的专注度，由此导致自闭症筛查结果不准确。第一刺激范式中的每个图片的显示时间也不宜太短，否则被试者的眼睛尚未完成对光刺激的反应，所采集的眼动数据无法体现被试者的自闭症倾向。具体的，每个全黑图片和每个全白图片都显示第一预设时长，其可以是5至10秒中的任意值。
显示装置110除了用于显示第二刺激范式，还用于在显示第二刺激范式之前，先显示全黑图片第四预设时长，例如10秒至20秒中的任意值。在显示所述第二刺激范式之前，先显示全黑图片特定时长，保证在人眼处于无刺激状态时开始接受第二刺激范式的刺激，获得更加准确的反映被试者自闭症倾向性的眼动数据，提高了自闭症筛查结果的准确性。
示例性地，第二刺激范式包括2个女童脸部图片，2个男童脸部图片、2个女青年脸部图片、2个男青年脸部图片、2个老年女子脸部图片和2个老年男子脸部图片，其中，显示装置110显示所述第二刺激范式通过以下方式实现：以每个人脸图片显示第二预设时长的方式轮流显示所有人脸图片。该第二预设时长可以是5至10秒中的任意值。
图4示出了根据本发明一个实施例的第二刺激范式示意图。如图4所示，在显示第二刺激范式之前先显示全黑图片10秒，之后按照2个男童脸部图片、2个女童脸部图片、2个男青年脸部图片、2个女青年脸部图片、2个老年男子脸部图片和2个老年女子脸部图片(未全部示出)的顺序逐个显示，每个图片显示5秒。
可以理解，为避免干扰因素，并确保自闭症筛选效果，可以在应用第二刺激范式进行自闭症筛查之前，对其中的人脸图片进行预处理。所述预处理可以包括：对所述人脸图片进行人脸矫正处理，将每张人脸的眼睛、鼻子和嘴巴都投射在相同的位置；将所述人脸图片处理成灰度图并调整为相同灰度范围、相同亮度范围；将所述人脸图片裁剪为相同大小的椭圆形，使得裁剪后的椭圆形人脸图片仅包含面部区域并且不包含耳朵区域；将所述裁剪后的椭圆形人脸图片置于相同大小的全黑图片的中心位置。图4所示的第二刺激范式即包括了经过预处理的人脸图片。
可以理解，儿童、青年人和老年人这三类人的照片在一定程度上体现了人们对人脸的心理认知度。例如对于儿童来说，年龄相仿的儿童照片是最熟悉的同感度最高的，其次是类似爸爸妈妈的青年人照片，最后是老年人照片。其中每类照片均包括男性照片和女性照片各2个。由此，可以按儿童照片、青年人照片和老年人照片的顺序生成人脸刺激范式，根据瞳孔的变化筛查被试者的理解反应，从而进行自闭症筛查。为了避免性别的影响，每类照片均包括男性照片和女性照片，并且每类照片均包括同等数量的男性照片和女性照片，以避免不同性别的照片数量上的不同带来的影响。由此，可以得到更为客观的自闭症筛查结果。
与第一刺激范式的图片显示类似，第二刺激范式中的每个图片的显示时间不宜太长。第二刺激范式中的每个图片的显示时间也不宜太短，否则被试者的眼睛尚未完成对人脸图片的反应，所采集的眼动数据无法体现被试者的自闭症倾向。具体的，每个人脸图片都显示第二预设时长，其可以是5至10秒中的任意值。
如前所述，在显示器110显示第一刺激范式时，数据采集装置120采集被试者的第一眼动数据序列。处理器130用于获取第一眼动数据序列，并提取第一眼动数据序列的第一特征值。
示例性地，处理器130可以根据第一眼动数据序列获取被试者注视第一刺激范式中的图片个数，并且根据第一眼动数据序列确定被试者注视第一刺激范式中的全白图片时的瞳孔收缩幅度、收缩时间和收缩速度。
对于第一刺激范式中的每个图片，可以预先设定第一刺激范式注视时间阈值，例如4秒。对于第一刺激范式中的每个图片，根据第一眼动数据序列确定被试者的眼睛的注视范围。进一步地，根据被试者的眼睛的注视范围确定被试者是否在注视显示装置110所显示的第一刺激范式。若确定被试者注视第一刺激范式中的某图片的总时间大于第一刺激范式注视时间阈值，则可以判定被试者注视了该张图片，否则判定为没注视这张图片。统计第一刺激范式中的所有图片(例如前述示例中的12张图片)中被试者注视的图片数，即为注视第一刺激范式中的图片个数。
根据第一眼动数据序列还可以确定被试者注视全白图片时的瞳孔收缩幅度、收缩时间和收缩速度。
如上所述，被试者在观看全黑图片时，被试者的瞳孔尺寸为较大状态。此时，若被试者受到光线刺激，其瞳孔会收缩。可以基于被试者注视全白图片时的瞳孔收缩幅度、收缩时间和收缩速度提取被试者的瞳孔收缩特性，该瞳孔收缩特性可以反映被试者对光线的反应。
示例性地，处理器130根据第一眼动数据序列确定被试者注视全白图片时的瞳孔收缩幅度、收缩时间和收缩速度可以通过以下方式实现：针对每个全白图片，根据第一眼动数据序列中的眼动数据的采集时间从第一眼动数据序列中获取第一有效序列，然后根据第一有效序列内瞳孔最大直径和其对应的时间、瞳孔最小直径和其对应的时间确定被试者注视该全白图片时的瞳孔收缩幅度、收缩时间和收缩速度。
因为被试者的专注时间可能难以维持较长时间，所以被试者开始观看图片的前2秒这段时间内的眼动数据可能最能反映被试者的真实眼动特性。可以将第一眼动数据序列中、在被试者观看图片的前2秒所采集的眼动数据作为第一眼动数据序列中的第一有效序列。可以理解，对于每个全白图片，均可获取与之对应的第一有效序列。
在前述第一刺激范式包括6个全白图片的示例中，获取的第一有效序列共有6个。将每个第一有效序列中的瞳孔直径序列的最大直径为xmax，其对应的时间为tmax；最小直径为xmin，其对应的时间为tmin，则对于每个瞳孔直径序列来说，可以通过下列公式计算瞳孔收缩幅度、收缩时间与收缩速度。
收缩幅度＝xmax-xmin；
收缩时间＝tmax-tmin；
收缩速度＝(xmax-xmin)/(tmax-tmin)。
示例性地，对于被试者来说，其最终的瞳孔收缩幅度、收缩时间与收缩速度可以为六个瞳孔直径序列对应的瞳孔收缩幅度、收缩时间与收缩速度的平均值。
数据采集装置120采集的第一眼动数据序列可能不完整和/或含有噪声。为了取得准确的筛查结果，可以对原始采集的第一眼动数据进行预处理。在前述示例中，基于第一有效序列提取被试者的第一特征值。除第一有效序列之外的、第一眼动数据的其他部分对于提取被试者的第一特征值是无效的。所以，在此预处理的操作中，可以仅针对第一眼动数据中的第一有效序列部分执行。由此，在保证自闭症筛查结果的准确性的同时，减少了数据处理量。
具体地，对于每个第一有效序列，可以首先确定第一有效序列的数据缺失率。数据缺失率为第一有效序列中空缺值的数量与第一有效序列中的理论的元素总数量的比值。缺失率阈值可以是预设的，例如25％。
如上所述，数据采集装置120采集的眼动数据可能不完整。如果第一有效序列的缺失值太多，按此第一有效序列得到的自闭症筛查结果不准确，接下来的计算和处理便没有太大意义。所以在对第一有效序列进行预处理的时候，可以判断该第一有效序列的数据缺失率与预设的缺失率阈值之间的大小关系。
对于该第一有效序列的数据缺失率低于缺失率阈值的情况，使用前向填充法填补该第一有效序列中的缺失值。前向填充法可以称为“前向法”，该方法使用空缺值前一个非空值来替代当前空缺值。由于诸如眼动仪的数据采集装置130的采样率高，而眼睛速度变化没那么快，所以使用前向填充法填充空缺值可以满足要求。
对于数据缺失率大于或等于缺失率阈值的情况，则可以选择丢弃该第一子序列，必要时重新利用数据采集装置120再次采集眼动数据。若数据缺失率超过缺失率阈值，表示当前原始瞳孔直径序列的缺失值过多，不宜用作自闭症筛查。丢弃该第一有效序列，必要时重新利用数据采集装置120再次采集数据。
在对第一有效序列进行填补后，对经填补的第一有效序列进行滤波平滑和/或降采样操作。
滤波平滑可以采用15Hz的低通滤波器对填补空缺值后的瞳孔直径序列进行处理。滤波平滑用于消除噪声干扰，以提高自闭症筛查的准确性
降采样是降低眼动数据的采样频率。比如，数据采集装置120以120Hz或60Hz的采样频率采集眼动数据。由于瞳孔变化速度没有那么快，可以通过降采样来缩小数据规模。具体例如，可以对采集的眼动数据统一降采样到20Hz。由此，缩小了数据规模，提高了自闭症筛查的处理速度和筛查效率。
上述对第一眼动数据的预处理操作保证了自闭症筛查结果的准确性和可信度。
与第一特征值类似地，在显示器110显示第二刺激范式时，数据采集装置120采集被试者的第二眼动数据序列。处理器130用于获取第二眼动数据序列，并提取第二眼动数据序列的第二特征值。
示例性地，处理器130根据第二眼动数据序列获取被试者注视第二刺激范式中的人脸图片中设置的不同区域的注视时间特征，并且根据第二眼动数据序列确定被试者注视第二刺激范式时的瞳孔收缩幅度、收缩时间和收缩速度。
根据现有的研究表明，通常情况下，对于一张人脸照片，自闭症人群更关注人脸照片的嘴部区域，非自闭症人群更关注眼部区域。可以理解，被试者在观看第二刺激范式中的人脸图片时，对所述图片的不同区域会有不同程度的兴趣。可以在第二刺激范式中的人脸图片中设置不同的区域，以用于评估被试者对于不同区域的关注程度，进而衡量被试者的相关特征。
示例性地，人脸图片设置有以下区域中的一个或多个：嘴部区域、眼部区域、脸部区域和背景区域。
嘴部区域是指人脸图片中的嘴部区域，可以用相同大小的椭圆形框在每张人脸上标识对应的区域，保证每张人脸图片的嘴部都在该区域内。
眼部区域是指人脸图片中的眼部区域，可以用相同大小的椭圆形框在每张人脸上标识对应的区域，保证每张人脸图片的眼部都在该区域内。
脸部区域是指人脸图片中的脸部区域，可以用相同大小的椭圆形框在每张人脸上标识对应的区域，保证每张人脸图的脸部都在该区域内。
背景区域是指图片中排除了脸部兴趣区的剩余部分。
可以理解，被试者对上述第二刺激范式中的人脸图片中的不同区域的关注可以通过注视时间特征来衡量。通常情况下，被试者对某个区域的注视时间越长说明其对所述区域越关注。示例性地，所述注视时间特征包括：每个区域的平均注视时间和注视图片个数。
每个区域的平均注视时间是指在第二刺激范式中的人脸图片显示期间，被试者对每张图片所述区域的注视时间的平均值。比如，如嘴部平均注视时间，即指第二刺激范式中的十二张图片显示期间，被试者对每张图片嘴部区域的注视时间的平均值。
每个区域的注视图片个数指在第二刺激范式中的人脸图片中，被试者注视过所述区域的图片的数目。比如，如嘴部注视图片数，即指第二刺激范式中的十二张图片中，被试者注视过嘴部区域的图片的数目。
被试者注视第二刺激范式中的人脸图片中设置的不同区域的注视时间特征可以包括：嘴部平均注视时间、嘴部注视图片数、眼部平均注视时间、眼部注视图片数、脸部平均注视时间、脸部注视图片数、背景平均注视时间、背景注视图片数。
与确定被试者注视第一刺激范式中的全白图片时的瞳孔收缩幅度、收缩时间和收缩速度类似地，可以确定被试者注视第二刺激范式中的每个人脸图片时的瞳孔收缩幅度、收缩时间与收缩速度。
具体地，可以第二眼动数据序列内瞳孔最大直径和其对应时间、瞳孔最小直径和其对应的时间确定被视者注视第二刺激范式中的人脸图片的瞳孔收缩幅度、收缩时间和收缩速度。
与第一眼动数据序列类似地，在处理器130确定被试者注视第二刺激范式时的瞳孔收缩幅度、收缩时间和收缩速度之前，其也可以对原始采集的第二眼动数据序列进行预处理。
上述对原始采集的第二眼动数据进行预处理包括针对第二眼动数据序列中的、显示所述第二刺激范式中的每个人脸图片时所采集的子序列的预处理。在上述第二刺激范式包括12个人脸图片的示例中，子序列为12个，每个序列对应的时长是5秒。
上述对每个子序列的预处理可以包括以下步骤。确定该子序列的数据缺失率。对于该子序列的数据缺失率低于缺失率阈值的情况，使用前向填充法填补该子序列中的缺失值。对经填补的子序列进行滤波平滑和/或降采样操作。这些操作与针对第一有效序列的预处理操作类似，为了简洁，在此不再赘述。
在处理器130提取了第一特征值和第二特征值之后，其根据第一特征值和第二特征值确定被试者的自闭症筛查结果。
示例性地，处理器130可以利用第一特征值和第二特征值分别训练自闭症分类模型，以得到用于确定自闭症筛查结果的2个分类器。
样本数据例如可以是针对相关医院诊疗的自闭症患者以及学校、幼儿园的普通儿童，通过数据采集装置120分别采集被采样者观看通过显示装置110显示的第一刺激范式和第二刺激范式时的眼动数据。每个样本数据包括被采样者的眼动数据以及该被采样者的自闭症分类标签。自闭症分类标签例如可以是：严重自闭症、一般自闭症、轻微自闭症、非自闭症等。
可以分别基于第一特征值和第二特征值、利用任何现有的或未来开发的分类算法构建分类模型。例如可以利用线性判别分析(Linear Discriminant Analysis，简称LDA)算法、利用支持向量机(Support Vector Machine，简称SVM)分类算法、决策树算法等算法构建分类模型。利用样本数据训练分类模型的参数，从而得到用于确定自闭症筛查结果的分类器。
在一个示例中，处理器130根据所述第一特征值和所述第二特征值确定被试者的自闭症筛查结果包括以下步骤。
首先，根据第一特征值利用线性判别分析算法确定所述被试者患有自闭症的第一概率。
然后，根据第二特征值利用线性支持向量机算法确定所述被试者患有自闭症的第二概率。
最后，根据第一概率和第二概率确定所述被试者的自闭症筛查结果。示例性地，在第一概率和第二概率的结果相同的情况下给出最终的判断结果，以第一概率或第二概率的结果作为最终的判断结果，其他情况不给出最终的判断结果。比如，若第一概率与第二概率均表示被试者为自闭症，那么最终输出的自闭症筛查结果就是被试者患有自闭症；若第一概率与第二概率均表示被试者并非自闭症，则最终输出的自闭症筛查结果就是被试者非自闭症患者；若第一概率与第二概率结果不一致，即第一概率与第二概率中一个认为被试者为自闭症，另一个认为被试者为非自闭症，那么会拒绝做出最终的判断，最终不会输出结果。在此技术方案中，基于被试者观看第一刺激范式和第二刺激范式时的眼动数据，进而基于对眼动数据的变化特征得到该被试者的自闭症筛查结果。这不仅确保了自闭症筛查结果客观准确、可信度高，而且计算过程简单。
替代地，还可以对第一概率和第二概率进行加权求和操作，根据求和结果确定自闭症筛查结果。
尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的自闭症筛查系统中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (14)
1.一种自闭症筛查系统，包括：显示装置，数据采集装置以及与所述显示装置和所述数据采集装置连接的处理器，其中
所述显示装置用于在所述处理器的驱控下分时段显示第一刺激范式和第二刺激范式，其中所述第一刺激范式包括交替排列的全黑图片和全白图片，所述第二刺激范式包括不同人脸图片；
所述数据采集装置用于采集显示所述第一刺激范式时被试者的第一眼动数据序列和显示所述第二刺激范式时所述被试者的第二眼动数据序列；
所述处理器用于驱控所述显示装置并提取所述第一眼动数据序列的第一特征值和所述第二眼动数据序列的第二特征值，并根据所述第一特征值和所述第二特征值确定所述被试者的自闭症筛查结果。
2.如权利要求1所述的系统，其中，所述全黑图片和所述全白图片都是6个，所述显示装置显示所述第一刺激范式通过以下方式实现：按照全黑图片和全白图片交替的方式显示所述第一刺激范式，其中每个全黑图片和每个全白图片都显示第一预设时长。
3.如权利要求1或2所述的系统，其中，所述第二刺激范式包括2个女童脸部图片，2个男童脸部图片、2个女青年脸部图片、2个男青年脸部图片、2个老年女子脸部图片和2个老年男子脸部图片，其中，所述显示装置显示所述第二刺激范式通过以下方式实现：以每个人脸图片显示第二预设时长的方式轮流显示所有人脸图片。
4.如权利要求1或2所述的系统，其中，所述处理器提取所述第一眼动数据序列的第一特征值通过以下方式实现：
根据所述第一眼动数据序列获取所述被试者注视所述第一刺激范式中的图片个数；以及
根据所述第一眼动数据序列确定所述被试者注视所述全白图片时的瞳孔收缩幅度、收缩时间和收缩速度。
5.如权利要求4所述的系统，其中，所述处理器根据所述第一眼动数据序列确定所述被试者注视所述全白图片时的瞳孔收缩幅度、收缩时间和收缩速度通过以下方式实现：
针对每个全白图片，
根据所述第一眼动数据序列中的眼动数据的采集时间从所述第一眼动数据序列中获取第一有效序列；
根据所述第一有效序列内瞳孔最大直径和其对应的时间、瞳孔最小直径和其对应的时间确定所述被试者注视该全白图片时的瞳孔收缩幅度、收缩时间和收缩速度。
6.如权利要求5所述的系统，其中，所述处理器在根据所述第一有效序列内瞳孔最大直径和其对应的时间、瞳孔最小直径和其对应的时间确定所述被试者注视该全白图片时的瞳孔收缩幅度、收缩时间和收缩速度之前，还用于，
对于每个第一有效序列，
确定该第一有效序列的数据缺失率；
对于该第一有效序列的数据缺失率低于缺失率阈值的情况，使用前向填充法填补该第一有效序列中的缺失值；
对经填补的第一有效序列进行滤波平滑和/或降采样操作。
7.如权利要求1所述的系统，其中，所述处理器提取所述第二眼动数据序列的第二特征值通过以下方式实现：
根据所述第二眼动数据序列获取所述被试者注视所述第二刺激范式中的人脸图片中设置的不同区域的注视时间特征；以及
根据所述第二眼动数据序列确定所述被试者注视所述第二刺激范式时的瞳孔收缩幅度、收缩时间和收缩速度。
8.如权利要求7所述的系统，其中，所述人脸图片设置有以下区域中的一个或多个：嘴部区域、眼部区域、脸部区域和背景区域。
9.如权利要求7或8所述的系统，其中，所述注视时间特征包括：每个区域的平均注视时间和注视图片个数。
10.如权利要求7所述的系统，其中，所述处理器在根据所述第二眼动数据序列确定所述被试者注视所述第二刺激范式时的瞳孔收缩幅度、收缩时间和收缩速度之前，还用于：
针对所述第二眼动数据序列中的、显示所述第二刺激范式中的每个人脸图片时所采集的子序列；
确定所述子序列的数据缺失率；
对于所述子序列的数据缺失率低于缺失率阈值的情况，使用前向填充法填补所述子序列中的缺失值；
对经填补的子序列进行滤波平滑和/或降采样操作。
11.如权利要求1所述的系统，其中，所述处理器根据所述第一特征值和所述第二特征值确定所述被试者的自闭症筛查结果包括：
根据所述第一特征值利用线性判别分析算法确定所述被试者患有自闭症的第一概率；
根据所述第二特征值利用线性支持向量机算法确定所述被试者患有自闭症的第二概率；
根据所述第一概率和所述第二概率确定所述被试者的自闭症筛查结果。
12.如权利要求1所述的系统，其中，
所述显示装置还用于在显示所述第一刺激范式之前先显示全灰图片第三预设时长，在显示所述第二刺激范式之前，先显示全黑图片第四预设时长。
13.如权利要求1所述的系统，其中，还包括通信接口，用于自所述被试者的移动终端接收校准能力测试数据；
其中，所述移动终端用于播放校准动画，采集所述被试者观看所述校准动画时的人脸图像，根据所述人脸图像确定所述被试者的瞳孔中心，对于所述被试者的瞳孔中心的运动范围在预定范围内持续时间大于预设时长阈值的情况，向所述系统发送表示所述被试者通过校准能力测试的校准能力测试数据。
14.如权利要求1或2所述的系统，其中，所述数据采集装置包括眼动仪和/或瞳孔仪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910903427.5A CN110517772A (zh) | 2019-09-24 | 2019-09-24 | 一种自闭症筛查系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910903427.5A CN110517772A (zh) | 2019-09-24 | 2019-09-24 | 一种自闭症筛查系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110517772A true CN110517772A (zh) | 2019-11-29 |
Family
ID=68633526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910903427.5A Pending CN110517772A (zh) | 2019-09-24 | 2019-09-24 | 一种自闭症筛查系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110517772A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113362961A (zh) * | 2020-03-05 | 2021-09-07 | 北京力泰克科技有限公司 | 自闭症快速筛查系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069304A (zh) * | 2015-08-18 | 2015-11-18 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于机器学习的评估预测asd的方法 |
| CN107256332A (zh) * | 2017-05-24 | 2017-10-17 | 上海交通大学 | 基于眼动数据的脑电实验评估系统及方法 |
| CN108985029A (zh) * | 2018-06-05 | 2018-12-11 | 中国科学院半导体研究所 | 基于视觉刺激的脑电身份识别方法 |
| CN109152559A (zh) * | 2016-06-07 | 2019-01-04 | 脑部评估系统有限公司 | 用于定量评估视觉运动神经响应的方法和系统 |
| CN109259775A (zh) * | 2018-08-30 | 2019-01-25 | 清华大学 | 一种人脸刺激范式生成方法及自闭症分析系统 |
-
2019
- 2019-09-24 CN CN201910903427.5A patent/CN110517772A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069304A (zh) * | 2015-08-18 | 2015-11-18 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于机器学习的评估预测asd的方法 |
| CN109152559A (zh) * | 2016-06-07 | 2019-01-04 | 脑部评估系统有限公司 | 用于定量评估视觉运动神经响应的方法和系统 |
| CN107256332A (zh) * | 2017-05-24 | 2017-10-17 | 上海交通大学 | 基于眼动数据的脑电实验评估系统及方法 |
| CN108985029A (zh) * | 2018-06-05 | 2018-12-11 | 中国科学院半导体研究所 | 基于视觉刺激的脑电身份识别方法 |
| CN109259775A (zh) * | 2018-08-30 | 2019-01-25 | 清华大学 | 一种人脸刺激范式生成方法及自闭症分析系统 |
Non-Patent Citations (2)
| Title |
|---|
| 朱楠，黄钟河: "我国特殊教育领域眼动研究综述", 《中国特殊教育》 * |
| 陈顺森, 厦门大学出版社 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113362961A (zh) * | 2020-03-05 | 2021-09-07 | 北京力泰克科技有限公司 | 自闭症快速筛查系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104219992B (zh) | 自闭症诊断辅助系统以及自闭症诊断辅助装置 | |
| CN106682389B (zh) | 一种用于监控高血压引发的眼部病变健康管理系统 | |
| CN104102899B (zh) | 视网膜血管识别方法及装置 | |
| JP2018520820A (ja) | 視覚の様相を検査する方法及びシステム | |
| CN109712710B (zh) | 一种基于三维眼动特征的婴幼儿发育障碍智能评估方法 | |
| CN104867148B (zh) | 预定种类物体图像的获取方法、装置及口腔远程诊断系统 | |
| CN106037627A (zh) | 一种婴幼儿全自动视力检查方法及装置 | |
| CN105913046A (zh) | 微表情识别装置及方法 | |
| CN106793942A (zh) | 用于测量眼球运动和瞳孔反应的系统、方法和设备 | |
| CN103648366A (zh) | 用于远程测量光学焦点的系统和方法 | |
| CN109820524A (zh) | 基于fpga的自闭症眼动特征采集与分类可穿戴系统 | |
| JP2023508339A (ja) | 欺まん検出のための眼球システム | |
| CN114209324A (zh) | 基于图像视觉认知的心理测评数据获取方法及vr系统 | |
| US10888263B2 (en) | Procedure of non-invasive video-oculographic measurement of eye movements as a diagnostic tool for (early) detection of neuropsychiatric diseases | |
| KR20110035585A (ko) | 눈 영상을 통해 판단한 사용자 상태에 반응하는 게임기 및 그의 게임 제공방법 | |
| CN110393504A (zh) | 一种瞳孔检测的方法及装置 | |
| CN106175657B (zh) | 一种视力自动检测系统 | |
| CN109620135A (zh) | 一种视力监控及眼镜订购系统 | |
| CN107115100A (zh) | 一种用于医疗健康检测的智能镜面装置及其检测方法 | |
| CN211862821U (zh) | 一种基于深度学习的孤独症辅助评估系统 | |
| CN108852280A (zh) | 一种视力筛查的图像采集与分析方法、系统及设备 | |
| CN110517772A (zh) | 一种自闭症筛查系统 | |
| CN109259775A (zh) | 一种人脸刺激范式生成方法及自闭症分析系统 | |
| CN101108120A (zh) | 眼动测试分析方法 | |
| CN110517229B (zh) | 一种脉搏检测方法、系统、电子装置及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191129 |