CN111292850A - 一种adhd儿童注意力智能康复系统 - Google Patents

一种adhd儿童注意力智能康复系统 Download PDF

Info

Publication number
CN111292850A
CN111292850A CN202010074954.2A CN202010074954A CN111292850A CN 111292850 A CN111292850 A CN 111292850A CN 202010074954 A CN202010074954 A CN 202010074954A CN 111292850 A CN111292850 A CN 111292850A
Authority
CN
China
Prior art keywords
attention
module
data
evaluation
score
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
Application number
CN202010074954.2A
Other languages
English (en)
Inventor
吴劲松
陶静
朱景芳
何友泽
曾奕
黄佳
宋健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujian University of Traditional Chinese Medicine
Original Assignee
Fujian University of Traditional Chinese Medicine
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujian University of Traditional Chinese Medicine filed Critical Fujian University of Traditional Chinese Medicine
Priority to CN202010074954.2A priority Critical patent/CN111292850A/zh
Publication of CN111292850A publication Critical patent/CN111292850A/zh
Priority to US17/155,002 priority patent/US20210219894A1/en
Priority to US18/585,742 priority patent/US20240188867A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0048—Detecting, measuring or recording by applying mechanical forces or stimuli
    • 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
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • 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
    • A61B5/168—Evaluating attention deficit, hyperactivity
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A61B5/1171—Identification of persons based on the shapes or appearances of their bodies or parts thereof
    • A61B5/1176—Recognition of faces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Developmental Disabilities (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Child & Adolescent Psychology (AREA)
  • Social Psychology (AREA)
  • Educational Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Ophthalmology & Optometry (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明提供一种ADHD儿童注意力智能康复系统，其包括视线追踪模块、注意力评估模块、智能运算及方案推送模块、数据存储模块，以及评价与反馈模块；视线追踪模块用于采集人脸图像信以及根据人脸图像定位人眼虹膜中心；注意力评估模块用于评估集中性注意力、持续性注意力、选择性注意力、交替性注意力、分配性注意力及Conners父母症状问卷；智能运算及方案推送模块用于通过接收实时数据，将受试者评估得分与数据库常模数据进行比对、分析，利用DQN network算法智能推送最佳训练方案；数据存储模块用于接收视线追踪模块及注意力评估模块传输的数据，以及智能训练的数据，并上传至数据库；评价与反馈模块用于供操作方查看数据存储模块内所有用户的历史数据。

Description

一种ADHD儿童注意力智能康复系统
技术领域
本发明涉及互联网技术领域，具体涉及一种ADHD儿童注意力智能康复系统。
背景技术
注意缺陷多动障碍(Attention Deficit Hyperactivity Disorder，ADHD)，又称为多动症，是儿童期较为常见的行为障碍，临床主要表现为注意力不集中、多动、冲动等特征，同时伴随认知、情感、行为等方面的偏离，从而严重影响ADHD儿童的学习、生活，如导致明显的学习困难、与家人和同龄儿童关系紧张及缺乏自尊、运动协调障碍等。我国学龄前儿童ADHD的患病率为4.31％-5.83％，近年来资料表明，儿童期ADHD可持续至青少年期，甚至是成年期,且儿童期ADHD中30％～70％到了成年期仍存在明显的症状，会影响其日常生活与工作。因此对ADHD儿童的注意力障碍进行科学、准确的早期筛查、评估，并及时干预训练尤为重要。目前传统的注意力康复评估主要以量表评估和计算机辅助评估为主，量表评估时存在评估者的个人主观性和临床医生诊疗经验的局限性，且评估需由专业康复治疗师或医生进行，其评估场所主要为医院、康复医疗机构和特教机构。
注意力作为一种复杂的认知过程，学者们从理论与临床的角度对其进行了深入的研究。目前较为经典且应用较为广泛的是注意力临床模型(CMA),其中将注意力分为五种维度：1)集中注意力2)持续注意力3)选择性注意力4)交替注意力5)分别注意力。CMA理论模型与个体日常活动密切相关，且已被证明在评价不同病理类型的注意方面实用性，十分适合作为计算机辅助注意力康复的指导理论。
视线跟踪法是一种采用普通摄像头作为输入设备的眼动追踪技术，无需红外线发射装置，用户不需要佩戴任何装置，利用设计的算法实现跟踪眼球的运动以获取眼球注视的方向、注视时间以及注视点等指标。
在眼动追踪技术和注意力康复方面，通过检索相关研究内容发现，目前尚无结合视线追踪技术的注意力康复系统。所以运用视线追踪技术结合临床实用的注意力临床模型对注意力的各个层级，各个维度进行仔细的研究具有重大意义。DQN network算法可以为大数据库的建立、数据的智能分析与比对、训练方案与指导的智能推送提供了技术支撑。
当前已有部分计算机辅助注意力评估或训练系统：
专利CN109350907《基于虚拟现实的儿童注意力缺陷多动障碍测训方法和系统》提出一种针对ADHD的检测方法，利用虚拟现实技术和视听整合连续测试技术，以游戏的方式，对受试者进行ADHD检测，测试执行过程需要持续的采集受试者的脑电波信号，并以脑电波信号的标准判定受试者是否处于注意力集中的状态。但该系统采用的虚拟现实技术，需要使用较大的空间和复杂的连接线，使用不方便，脑电信号采集装置在测量过程中可能让用户感到不舒适，其次长时间使用虚拟现实训练后患儿容易感到疲劳，甚至出现恶心、眩晕等不良反应。
专利CN109646022《儿童注意力评估系统及其方法》提出一种基于脑电的注意力评估模型，通过一个单电极固定在用户的前额采集儿童的前额脑电并获取原始注意力数据，对其进行处理与分析。该系统使用的单电极因需要佩戴在受试者前额部，增加了患者的不适感，降低了体验感，且在测量过程中可能因患者头部转动而导致测量误差。
专利CN108665976《一种儿童专注力测评系统和方法》提出一种利用计算机系统设置输入单元、测试单元、评估单元、记录单元等，对受试者进行专注力的线上、线下测试，以及听知觉和视知觉的评估，最终运用描述性统计的方法进行频数分析，并生成评估报告。但该系统完成所有测试时间需要30-40分钟，对于专注力缺陷的受试者而言，难以维持长时间的注意力集中状态；该系统依托于计算机，需含有特定计算机程序的可读存储介质，不便携带，使用过程复杂，无法为注意力缺陷的受试者提供家庭训练。
线下的康复治疗训练主要采用生物反馈疗法和行为矫正疗法。行为矫正疗法主要采用一对一的指导训练的形式，需要专业医生或治疗师的监控和指导，可造成儿童康复医疗资源的紧张和资源的浪费。现有的计算机辅助训练系统主要面向医院或者特殊教育机构，虽然可为治疗师提供多样式的辅助训练，但价格昂贵，受众面小，训练场所大多局限于医院或机构，且无法为ADHD儿童提供家庭训练与指导。
随着科技的不断发展，计算机辅助训练是ADHD儿童康复的发展趋势，以脑-机接口、虚拟现实技术等计算机辅助治疗为主的方法在ADHD治疗领域中逐渐被应用，弥补了原有治疗方法的不足之处。
脑-机接口从大脑获取信号，分析并转换为命令，再转换为来自外围设备的信号，以提供所需的输出。通过特定的诱发电位可实现对ADHD儿童进行初步的评估。脑-机接口作为一个信号获取和信号处理的技术，硬件的传输效率不高，在实际应用时，会出现信息滞后和响应的时间过长等问题，从而影响用户的体验。反馈系统多出来的反馈设备将会大大增加系统的复杂程度，影响系统的传输速率，同时用户体验感也会因为复杂的操作而降低。
目前市场上专门的注意力康复系统相对缺乏，现有的系统多以认知或言语康复系统为载体，为其系统内组成模块之一。以广州三康医疗设备有限公司在售的注意力训练评估系统为例，该系统为COGNI言语认知训练系统的内设模块。
发明内容
有鉴于背景技术所述，本发明的有必要提供一种结合视线追踪法设备，简单、无需外接设备在患儿身体部位，能实时使患儿在最自然的状态下进行评估和训练，使结果更加客观准确的儿童注意力智能康复系统。
为实现上述目的，本发明采用如下方案：
一种ADHD儿童注意力智能康复系统，本系统模块可以实现对数据的定量分析，包含以下5个模块：视线追踪模块、注意力评估模块、智能运算及方案推送模块、数据存储模块、评价与反馈模块；可以实现智能化、个性化的儿童注意力智能康复训练；所述视线追踪模块包括一服务器及一摄像头；所述摄像头用于采集人脸图像信息；所述服务器用于根据人脸图像定位人眼虹膜中心；所述注意力评估模块用于评估集中性注意力、持续性注意力、选择性注意力、交替性注意力、分配性注意力及Conners父母症状问卷；所述智能运算及方案推送模块用于通过接收注意力评估模块及视线追踪模块的实时数据，将受试者评估得分与数据库常模数据进行比对、分析，智能推送最佳训练方案；所述数据存储模块用于接收视线追踪模块及注意力评估模块传输的数据，以及智能训练的数据，并上传至数据库；所述评价与反馈模块用于供所述系统的操作方查看所述数据存储模块内所有用户的历史数据，和/或，接收系统发送的特定用户信息。
所述视线追踪模块的所述服务器具体用于：
步骤1，通过普通无光源单摄像头采集人脸图像信息；
步骤2，使用Adaboost级联算法检测人脸框位置；
步骤3，运用人脸对齐算法计算人脸特征点，得到眼睛区域图像；
步骤4，对所得眼部区域图像进行虹膜中心检测，通过微积分算子计算虹膜图像圆环上的灰度差分，然后从所有差分结果中取最大值，准确定位人眼虹膜中心；
步骤5：虹膜中心坐标定位
Figure BDA0002378259420000031
式中，I(X，Y)为图像矩阵，(x，Y)为圆心，r为半径；
步骤6、获取眼动数据信息，包括注视点、注视时间、注视次数、首次注视到刺激源点的时间，并生成眼动分数，将所述眼动分数实时传输给所述注意力评估模块及智能运算及方案推送模块。
优选的，所述眼动分数包括受试者刺激源点停留时间计为分数a1，受试者完成任务前注视刺激源点的次数计为分数a2，受试者首次注视到刺激源点的时间计为分数a3，将所述分数a1,a2,a3相加，即为眼动分数A(a1+a2+a3＝A)。
优选的，所述摄像头为无光源单摄像头。
优选的，所述注意力评估模块用于通过所述服务器的显示屏，显示出一个或多个预先设定的视觉刺激，并给予针对此视觉刺激需要完成的一段语音提示，受试者按照提示来完成相应任务，根据任务完成程度和时间，系统自动生成相应的注意力分数。
具体的，所述六项子任务分数包括：
集中性注意力分数B：限定时间内在随机排列的同种类型刺激源中选择特定的数字或文字或符号；
持续性注意力分数C：限定时间内在随机排列的同种类型刺激源中尽可能多的划去特定目标物；
选择性注意力分数D：限定时间内在随机排列的多种不同类型刺激源中选择特定目标物；
交替性注意力分数E：限定时间内在随机排列的两种类型刺激源中按照语音提示交替选择特定目标物；
分配性注意力分数F：限定时间内在随机排列的同种类型刺激源中选择特定目标物，并在任务过程中如若听到特定音节需在空格内打钩；
其中Conner父母症状问卷(PSQ)包括48个条目，由受试儿童的父亲或母亲其中一方完成，根据父母评分得出品行问题、学习问题、心身问题、冲动一多动、焦虑和多动指数6个因子的问卷得分G。
具体的，所述智能运算及方案推送模块利用DQN network算法智能推送最佳训练方案：所述DQN network算法不断地从数据库中提取数据特征进行学习，通过大量的数据提取和学习使该模块学习到经验和知识以实现训练方案的选择、匹配；所述智能运算及方案推送模块根据受试者在任务中的完成情况，自动匹配、调整下一任务难度与等级，并给予相应语音提示，并对分数较低的项目推送方案进行专项训练，例如受试者注视点与刺激源点的距离分数a3较常模数据低，本发明系统将降低任务完成标准，当在语音提示下，受试者注视点在以刺激源为圆心，半径为N cm的圆圈范围内即可视为任务完成，并且逐渐减少语音提示与缩小圆圈半径，用以提高该项功能。
所述数据存储模块具体用于扩大数据库容量，其可包含正常儿童及不同程度ADHD儿童注意力水平的基础数据；用户每次的评估和训练的历史数据将存储在该受试者的档案中，同一用户使用该系统时可以直接调用历史数据。
具体的，所述系统的操作方为医生或治疗师。
综上所述，本发明之系统的实现步骤如下：
(1)用户登录系统后，录入姓名，年龄，症状持续时间等基本信息
(2)视线追踪模块全程实时追踪受试者虹膜中心坐标信息，获取眼动数据信息，包括注视时间、注视次数、注视点与刺激源的距离等，并生成眼动分数；
(3)评估模块给予视觉刺激，通过受试者的任务完成情况及Conner父母症状问卷结果，得出相应注意力分数；
(4)智能运算及方案推送模块对评估数据进行分析、比对，自动生成最佳训练方案，并在训练过程中根据眼动信息和任务完成情况智能调整下一训练方案；
(5)数据存储模块存储数据并上传数据库，扩大常模数据库容量，同一用户再次使用时无需再次评估，可以直接调用历史数据继续下一训练方案；
(6)评价与反馈模块系统根据用户得分选择性发送用户数据信息至医生端口后台，并提醒医生或治疗师在2个工作日内给予建议和指导。
优选的，所述特定用户信息包括所述系统根据设定的发送标准和用户得分情况将有选择性地发送用户的信息(例如得分较低的用户信息，A+B+C+D+E+F+G<XX)至医生端口后台，并提醒医生或治疗师在2个工作日内给予建议和指导。
相较于现有技术，本发明具有以下优点：
(1)本发明不需采用多个摄像头或红外光源，且不需要对相机进行配置上的标定，系统构成简单，可降低对于硬件或系统配置上的要求；
(2)本发明可以采集被测试者的实时眼动数据，结合临床实用的CMA理论注意力临床模型，评估受试者的注意力水平，具有较高的准确性；
(3)本发明无需任何外接设备或侵入性装置，操作简便、安全，由ADHD儿童的父母陪伴完成或独立完成注意力康复训练，真正实现智能的注意力家庭康复训练；
(4)本发明基于不同用户的注意力水平不同，利用数据库常模进行数据比对，智能推送方案，提供智能化和个性化的训练；
(5)本发明将根据系统设定的发送标准和用户得分，有选择性地发送用户数据信息至医生端口后台，医生或治疗师在限定时间内给予建议和指导意见，可为注意力康复训练提供更加科学的训练方案；
综上所述，本发明基于CMA理论注意力临床模型，获取关于注意力水平的数据，利用视线追踪技术配置要求简单、成本较低和AI算法智能运算的优势，对ADHD儿童的注意力进行数字化评估，并运用DQN NETWORK算法实现智能推送相关注意力训练指导与方案，为解决目前市场缺乏科学指导下家庭注意力康复训练的难题，为ADHD儿童提供更加科学、准确的家庭注意力康复评估与训练系统。
附图说明
图1为本发明实施例之系统的实现过程的流程图；
图2为本发明实施例之系统的模块原理示意图；
图3为本发明实施例之注意力评估模块的模块原理示意图。
具体实施方式
为使本发明的实施目的、技术方案和优点更加清楚，下面进一步结合附图对本发明作详细描述。
本实施例提供一种利用视线追踪和DQN network算法的ADHD儿童注意力智能康复评估与训练系统，包括视线追踪模块、注意力评估模块、智能运算及方案推送模块、数据存储模块、评价与反馈模块，如图2所示。
所述视线追踪模块包括一台计算机或平板，一个普通无光源单摄像头，无需侵入性设备。
如图1所示，所述视线追踪模块的使用步骤如下：
步骤1，通过普通无光源单摄像头采集人脸图像信息；
步骤2，使用Adaboost级联算法检测人脸框位置；(专利检索结果：以Adaboost为检索词，得4536条数据，其直接使用Adaboost,对分类器算法有标注)
步骤3，运用人脸对齐算法(SDM)计算人脸特征点，得到眼睛区域图像；(要求：头部基本保持不动或者轻微转动时角度小于30度)
步骤4，对所得眼部区域图像进行虹膜中心检测，通过微积分算子(Daugman算法)计算虹膜图像圆环上的灰度差分，然后从所有差分结果中取最大值，准确定位人眼虹膜中心；(要求：光照条件佳，避免使用模板匹配法粗定位，其效果相似)
步骤5：虹膜中心坐标定位
Figure BDA0002378259420000071
式中，I(X，Y)为图像矩阵，(x，Y)为圆心，r为半径。
上述视线追踪模块的功能和方法的来源：《使用人眼几何特征的视线追踪方法》中国图像图形学报，出版日为2019.06。
所述视线追踪模块通过以上步骤获取眼动数据信息，包括注视点、注视时间、注视次数、首次注视到刺激源点的时间，并生成眼动分数。眼动分数包括受试者刺激源点停留时间计为分数a1，受试者完成任务前注视刺激源点的次数计为分数a2，受试者首次注视到刺激源点的时间计为分数a3，将所述分数a1,a2,a3相加，即为眼动分数A(a1+a2+a3＝A)，并实时传输给所述注意力评估模块及智能运算及方案推送模块。
所述注意力评估模块，如图3所示，以目前临床上应用广泛且较为经典的注意力临床模型CMA理论为基础，评估内容包括集中性注意力、持续性注意力、选择性注意力、交替性注意力、分配性注意力和Conners父母症状问卷(PSQ)共六项子任务；
评估模块通过计算机或平板显示屏，显示出一个或多个预先设定的视觉刺激，并给予针对此视觉刺激需要完成的一段语音提示，受试者需要按照提示来完成相应任务。根据任务完成程度和时间，系统自动生成相应的注意力分数；六项子任务分数包括：
①集中性注意力分数B：限定时间内在随机排列的同种类型刺激源中选择特定的数字或文字或符号；
②持续性注意力分数C：限定时间内在随机排列的同种类型刺激源中尽可能多的划去特定目标物；
③选择性注意力分数D：限定时间内在随机排列的多种不同类型刺激源中选择特定目标物；
④交替性注意力分数E：限定时间内在随机排列的两种类型刺激源中按照语音提示交替选择特定目标物；
⑤分配性注意力分数F：限定时间内在随机排列的同种类型刺激源中选择特定目标物，并在任务过程中如若听到特定音节需在空格内打钩；
⑥其中Conner父母症状问卷(PSQ)包括48个条目，由受试儿童的父亲或母亲其中一方完成，根据父母评分得出品行问题、学习问题、心身问题、冲动一多动、焦虑和多动指数6个因子的问卷得分G；
六项子任务完成后，所有评估数据传输至所述智能运算及方案推送模块；
所述智能运算及方案推送模块通过接收注意力评估模块及视线追踪模块的实时数据，将受试者评估得分(A-G)与数据库常模数据进行比对、分析，利用DQN network算法智能推送最佳训练方案；DQN network算法不断地从数据库中提取数据特征进行学习，通过大量的数据提取和学习使该模块学习到经验和知识以实现训练方案的选择、匹配；该模块根据受试者在任务中的完成情况，自动匹配、调整下一任务难度与等级，并给予相应语音提示，并对分数较低的项目推送方案进行专项训练，例如受试者注视点与刺激源点的距离分数a3较常模数据低，本发明系统将降低任务完成标准，当在语音提示下，受试者注视点在以刺激源为圆心，半径为N cm的圆圈范围内即可视为任务完成，并且逐渐减少语音提示与缩小圆圈半径，用以提高该项功能。
所述数据存储模块，用于接收视线追踪、注意力评估、智能训练的数据，并上传数据库，扩大数据库容量，其可包含正常儿童及不同程度ADHD儿童注意力水平的基础数据；用户每次的评估和训练的历史数据将存储在该受试者的档案中，同一用户使用该系统时可以直接调用历史数据；
所述评价与反馈模块，用于当通过特定的账号登录系统时(即医生端)可显示出评价与反馈模块入口(其余普通用户登录时该模块隐藏，不显示入口)，医生或治疗师可通过医生端口直接查看数据存储模块内所有用户的历史数据；系统根据设定的发送标准和用户得分情况将有选择性地发送用户的信息(例如得分较低的用户信息，A+B+C+D+E+F+G<XX)至医生端口后台，并提醒医生或治疗师在2个工作日内给予建议和指导。
综上所述，本发明之系统的实现步骤如下：
(1)用户登录系统后，录入姓名，年龄，症状持续时间等基本信息
(2)视线追踪模块全程实时追踪受试者虹膜中心坐标信息，获取眼动数据信息，包括注视时间、注视次数、注视点与刺激源的距离等，并生成眼动分数；
(3)评估模块给予视觉刺激，通过受试者的任务完成情况及Conner父母症状问卷结果，得出相应注意力分数；
(4)智能运算及方案推送模块对评估数据进行分析、比对，自动生成最佳训练方案，并在训练过程中根据眼动信息和任务完成情况智能调整下一训练方案；
(5)数据存储模块存储数据并上传数据库，扩大常模数据库容量，同一用户再次使用时无需再次评估，可以直接调用历史数据继续下一训练方案；
(6)评价与反馈模块系统根据用户得分选择性发送用户数据信息至医生端口后台，并提醒医生或治疗师在2个工作日内给予建议和指导。
本发明的一种ADHD儿童注意力智能康复评估与训练系统，基于注意力临床模型结合现有的视线追踪技术和深度Q神经网络(Deep Q-Network,DQN)算法将评估和训练指标量化，通过视线追踪技术和用户主动参与的游戏得分为注意力指标赋值，可实现注意力评估指标的客观量化，可以根据儿童的特性具体实施动态监测儿童眼球运动信息，将提高ADHD注意力评估、训练的正确性和科学性，亦可为ADHD儿童提供科学的家庭训练指导，在一定程度上可缓解我国儿童康复医疗资源的紧张。

Claims (10)

1.一种ADHD儿童注意力智能康复系统，其特征在于：其包括视线追踪模块、注意力评估模块、智能运算及方案推送模块、数据存储模块，以及评价与反馈模块；所述视线追踪模块包括一服务器及一摄像头；所述摄像头用于采集人脸图像信息；所述服务器用于根据人脸图像定位人眼虹膜中心；所述注意力评估模块用于评估集中性注意力、持续性注意力、选择性注意力、交替性注意力、分配性注意力及Conners父母症状问卷；所述智能运算及方案推送模块用于通过接收注意力评估模块及视线追踪模块的实时数据，将受试者评估得分与数据库常模数据进行比对、分析，利用DQN network算法智能推送最佳训练方案；所述数据存储模块用于接收视线追踪模块及注意力评估模块传输的数据，以及智能训练的数据，并上传至数据库；所述评价与反馈模块用于供所述系统的操作方查看所述数据存储模块内所有用户的历史数据，和/或，接收系统发送的特定用户信息。
2.根据权利要求1所述的系统，其特征在于，所述视线追踪模块的所述服务器具体用于：
步骤1，采集人脸图像信息；
步骤2，使用Adaboost级联算法检测人脸框位置；
步骤3，运用人脸对齐算法计算人脸特征点，得到眼睛区域图像；
步骤4，对所得眼睛区域图像进行虹膜中心检测，通过微积分算子计算虹膜图像圆环上的灰度差分，然后从所有差分结果中取最大值，准确定位人眼虹膜中心；
步骤5：虹膜中心坐标定位
Figure FDA0002378259410000011
式中，I(X，Y)为图像矩阵，(x，Y)为圆心，r为半径；
步骤6、获取眼动数据信息，包括注视点、注视时间、注视次数、首次注视到刺激源点的时间，并生成眼动分数，将所述眼动分数实时传输给所述注意力评估模块及智能运算及方案推送模块。
3.根据权利要求1所述的系统，其特征在于，所述眼动分数的计算方法为：受试者的眼睛在所述刺激源点停留时间计为分数a1，受试者完成任务前注视所述刺激源点的次数计为分数a2，受试者首次注视到所述刺激源点的时间计为分数a3，将所述分数a1,a2,a3相加，即为眼动分数A。
4.根据权利要求1至3任一所述的系统，其特征在于，所述摄像头为无光源单摄像头。
5.根据权利要求1所述的系统，其特征在于，所述注意力评估模块用于通过所述服务器的显示屏，显示出一个或多个预先设定的视觉刺激，并给予针对此视觉刺激需要完成的一段语音提示，受试者按照提示来完成相应任务，根据任务完成程度和时间，生成相应的注意力分数。
6.根据权利要求5所述的系统，其特征在于，所述注意力分数包括：
集中性注意力分数B：限定时间内在随机排列的同种类型刺激源中选择特定的数字或文字或符号；
持续性注意力分数C：限定时间内在随机排列的同种类型刺激源中尽可能多的划去特定目标物；
选择性注意力分数D：限定时间内在随机排列的多种不同类型刺激源中选择特定目标物；
交替性注意力分数E：限定时间内在随机排列的两种类型刺激源中按照语音提示交替选择特定目标物；
分配性注意力分数F：限定时间内在随机排列的同种类型刺激源中选择特定目标物，并在任务过程中如若听到特定音节需在空格内打钩；
所述Conner父母症状问卷包括48个条目，由受试儿童的父亲或母亲其中一方完成，根据父母评分得出品行问题、学习问题、心身问题、冲动一多动、焦虑和多动指数6个因子的问卷得分G。
7.根据权利要求1所述的系统，其特征在于，所述智能运算及方案推送模块利用DQNnetwork算法智能推送最佳训练方案：所述DQN network算法不断地从数据库中提取数据特征进行学习，通过大量的数据提取和学习使该模块学习到经验和知识以实现训练方案的选择、匹配；所述智能运算及方案推送模块根据受试者在任务中的完成情况，自动匹配、调整下一任务难度与等级，并给予相应语音提示，并对分数较低的项目推送方案进行专项训练。
8.根据权利要求1所述的系统，其特征在于，所述数据存储模块具体用于扩大数据库容量，其包含正常儿童及不同程度ADHD儿童注意力水平的基础数据；用户每次的评估和训练的历史数据将存储在该受试者的档案中，同一用户使用该系统时可以直接调用历史数据。
9.根据权利要求1所述的系统，其特征在于，所述系统的操作方为医生或治疗师。
10.根据权利要求9所述的系统，其特征在于，所述特定用户信息包括根据预设的发送标准和用户得分情况选择的用户信息，所述评价与反馈模块还用于：提醒医生或治疗师在设定时间内给予建议和指导。
CN202010074954.2A 2020-01-22 2020-01-22 一种adhd儿童注意力智能康复系统 Pending CN111292850A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010074954.2A CN111292850A (zh) 2020-01-22 2020-01-22 一种adhd儿童注意力智能康复系统
US17/155,002 US20210219894A1 (en) 2020-01-22 2021-01-21 Intelligent Attention Rehabilitation System
US18/585,742 US20240188867A1 (en) 2020-01-22 2024-02-23 Intelligent Attention Rehabilitation System

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010074954.2A CN111292850A (zh) 2020-01-22 2020-01-22 一种adhd儿童注意力智能康复系统

Publications (1)

Publication Number Publication Date
CN111292850A true CN111292850A (zh) 2020-06-16

Family

ID=71025971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010074954.2A Pending CN111292850A (zh) 2020-01-22 2020-01-22 一种adhd儿童注意力智能康复系统

Country Status (2)

Country Link
US (2) US20210219894A1 (zh)
CN (1) CN111292850A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111831886A (zh) * 2020-07-18 2020-10-27 广元量知汇科技有限公司 基于大数据的网络课件推送方法
CN112133163A (zh) * 2020-10-10 2020-12-25 郑州人本心理咨询有限公司 一种儿童注意力测评训练系统及操作工具箱
CN112785890A (zh) * 2020-12-24 2021-05-11 中国人民解放军空军工程大学 一种塔台飞行指挥模拟训练管制员注意力评估系统及其方法
CN112885427A (zh) * 2021-02-02 2021-06-01 深圳市多九云优科技有限公司 云训练系统以及智能穿戴设备
CN113440151A (zh) * 2021-08-03 2021-09-28 合肥科飞康视科技有限公司 一种专注力检测系统、检测方法及系统的使用方法
CN113663199A (zh) * 2021-08-17 2021-11-19 华南师范大学 一种适用于特殊儿童群体的基于眼动传递信息的人机交互系统
TWI831178B (zh) * 2022-04-13 2024-02-01 國立中央大學 注意力不足過動症的分析裝置、診斷系統及分析方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113870301B (zh) * 2021-09-18 2024-02-06 西安交通大学 基于目光焦点跟踪的问卷有效性评估方法、系统及设备
CN114159063A (zh) * 2021-12-07 2022-03-11 陕西百乘网络科技有限公司 基于目光焦点追踪数据的运动协调性的量化评估方法
CN114366103B (zh) * 2022-01-07 2023-07-14 北京师范大学 注意力评估方法、装置及电子设备
CN114652330B (zh) * 2022-02-11 2023-03-24 北京赋思强脑科技有限公司 一种基于历史脑电信号评估冥想训练的方法、装置和设备
CN114201053B (zh) * 2022-02-17 2022-06-28 北京智精灵科技有限公司 一种基于神经调控的认知提升训练方法及系统
CN115177840B (zh) * 2022-09-07 2023-02-03 深圳市心流科技有限公司 一种基于专注力值的目标物体运动速度控制方法及装置
CN115814230B (zh) * 2022-10-21 2024-10-18 北京中科心研科技有限公司 一种基于空间工作记忆能力的应激适应训练与评估系统
CN116661609B (zh) * 2023-07-27 2024-03-01 之江实验室 一种认知康复训练方法、装置、存储介质及电子设备
CN117253587B (zh) * 2023-11-17 2024-03-29 北京智精灵科技有限公司 一种基于气质特征的注意力训练方法及系统
CN118012876B (zh) * 2024-04-10 2024-06-11 山东硕杰医疗科技有限公司 一种残疾儿童康复信息平台数据的智慧存储方法
CN118454203B (zh) * 2024-07-11 2024-10-18 南京陆加壹智能科技有限公司 一种引体向上智能测试系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040220493A1 (en) * 2000-05-17 2004-11-04 Teicher Martin H. Method for determining fluctuation in attentional state and overall attentional state
US20160367180A1 (en) * 2015-06-17 2016-12-22 Obsevera, Inc. Apparatus and method of conducting medical evaluation of add/adhd
CN106951717A (zh) * 2017-03-31 2017-07-14 山东富优生命科学有限公司 一种儿童注意力缺陷多动障碍治疗系统
CN107783945A (zh) * 2017-11-13 2018-03-09 山东师范大学 一种基于眼动追踪的搜索结果网页注意力测评方法及装置
CN107929007A (zh) * 2017-11-23 2018-04-20 北京萤视科技有限公司 一种利用眼动追踪和智能评估技术的注意力和视觉能力训练系统及方法
CN108108684A (zh) * 2017-12-15 2018-06-01 杭州电子科技大学 一种融合视线检测的注意力检测方法
KR20180068351A (ko) * 2016-12-13 2018-06-22 (주)인더텍 혼합현실 기반 인지 및 학습 집중력 평가 및 훈련 피드백 시스템
CN108665962A (zh) * 2018-04-17 2018-10-16 上海大学 一种数字化神经心理测验系统和方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010102328A1 (en) * 2009-03-11 2010-09-16 University Of Wollongong Method and apparatus
US20170000400A1 (en) * 2014-01-24 2017-01-05 Brc Operations Pty Limited Biomarkers For The Prediction Of Treatment Outcomes In ADHD
WO2016018488A2 (en) * 2014-05-09 2016-02-04 Eyefluence, Inc. Systems and methods for discerning eye signals and continuous biometric identification
JP2019076527A (ja) * 2017-10-25 2019-05-23 テルモ株式会社 治療方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040220493A1 (en) * 2000-05-17 2004-11-04 Teicher Martin H. Method for determining fluctuation in attentional state and overall attentional state
US20160367180A1 (en) * 2015-06-17 2016-12-22 Obsevera, Inc. Apparatus and method of conducting medical evaluation of add/adhd
KR20180068351A (ko) * 2016-12-13 2018-06-22 (주)인더텍 혼합현실 기반 인지 및 학습 집중력 평가 및 훈련 피드백 시스템
CN106951717A (zh) * 2017-03-31 2017-07-14 山东富优生命科学有限公司 一种儿童注意力缺陷多动障碍治疗系统
CN107783945A (zh) * 2017-11-13 2018-03-09 山东师范大学 一种基于眼动追踪的搜索结果网页注意力测评方法及装置
CN107929007A (zh) * 2017-11-23 2018-04-20 北京萤视科技有限公司 一种利用眼动追踪和智能评估技术的注意力和视觉能力训练系统及方法
CN108108684A (zh) * 2017-12-15 2018-06-01 杭州电子科技大学 一种融合视线检测的注意力检测方法
CN108665962A (zh) * 2018-04-17 2018-10-16 上海大学 一种数字化神经心理测验系统和方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
季成叶 等: "《儿童少年卫生学 第7版》", 31 August 2012, 人民卫生出版社, pages: 347 *
焦李成 等: "《计算智能导论》", 西安电子科技大学出版社, pages: 309 - 314 *
苏海明 等: ""使用人眼几何特征的视线追踪方法"", 《中国图像图形学报》, no. 06, 30 June 2019 (2019-06-30), pages 914 - 921 *
苏海明 等: ""使用人眼几何特征的视线追踪方法"", 《中国图像图形学报》, no. 06, pages 914 - 921 *
风影: "《儿童专注力》", 31 December 2019, 天津科学技术出版社, pages: 5 - 6 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111831886A (zh) * 2020-07-18 2020-10-27 广元量知汇科技有限公司 基于大数据的网络课件推送方法
CN112133163A (zh) * 2020-10-10 2020-12-25 郑州人本心理咨询有限公司 一种儿童注意力测评训练系统及操作工具箱
CN112785890A (zh) * 2020-12-24 2021-05-11 中国人民解放军空军工程大学 一种塔台飞行指挥模拟训练管制员注意力评估系统及其方法
CN112885427A (zh) * 2021-02-02 2021-06-01 深圳市多九云优科技有限公司 云训练系统以及智能穿戴设备
CN113440151A (zh) * 2021-08-03 2021-09-28 合肥科飞康视科技有限公司 一种专注力检测系统、检测方法及系统的使用方法
CN113440151B (zh) * 2021-08-03 2024-04-12 合肥科飞康视科技有限公司 一种专注力检测系统、检测方法及系统的使用方法
CN113663199A (zh) * 2021-08-17 2021-11-19 华南师范大学 一种适用于特殊儿童群体的基于眼动传递信息的人机交互系统
TWI831178B (zh) * 2022-04-13 2024-02-01 國立中央大學 注意力不足過動症的分析裝置、診斷系統及分析方法

Also Published As

Publication number Publication date
US20240188867A1 (en) 2024-06-13
US20210219894A1 (en) 2021-07-22

Similar Documents

Publication Publication Date Title
US20210219894A1 (en) Intelligent Attention Rehabilitation System
CN111325109A (zh) 一种注意力训练方法
US20230309885A1 (en) Identifying and Strengthening Physiological/Neurophysiological States Predictive of Superior Performance
Li et al. Automated detection of cognitive engagement to inform the art of staying engaged in problem-solving
CN111297378B (zh) 一种注意力评估方法及系统
CN102245085B (zh) 利用眼跟踪的认知和语言评估
CN110680314B (zh) 基于脑电多参数的虚拟现实情境任务注意力测训系统
US20220133194A1 (en) Measuring and strengthening physiological/neurophysiological states predictive of superior performance
Fucci et al. A replication study on code comprehension and expertise using lightweight biometric sensors
Huang et al. Virtual reality safety training using deep EEG-net and physiology data
CN109567817A (zh) 一种阅读能力评估方法及系统及其辅助装置
CN109199410B (zh) 一种基于眼部运动的言语认知评估方法
CN109637222B (zh) 脑科学智慧教室
Chen et al. DeepFocus: Deep encoding brainwaves and emotions with multi-scenario behavior analytics for human attention enhancement
US11583214B2 (en) Adaptive psychological assessment tool
Edwards et al. Sensor-based methodological observations for studying online learning
Lotte et al. A BCI challenge for the signal processing community: considering the user in the loop
EP4157089A2 (en) Measuring and strengthening physiological/neurophysiologial states predictive of superior performance
Novak et al. Assessment of student’s emotions in game-based learning
RU2736804C1 (ru) Система и способ определения ресурсного состояния на основе биометрического сигнала ЭЭГ
Aguilar-Herrera et al. Advanced learner assistance system's (ALAS) recent results
KR20120097098A (ko) 생체 감성 지표 및 상황 정보로부터 생성된 학습 감성 지표에 기반하여 사용자의 학습 효과를 향상시키기 위한 유비쿼터스-러닝용 학습 효과 향상 장치
Anisimov et al. OkenReader: ML-based classification of the reading patterns using an Apple iPad
Hercegfi Improved temporal resolution heart rate variability monitoring—pilot results of non-laboratory experiments targeting future assessment of human-computer interaction
Chen et al. Virtual-Reality-Based Supermarket for Intellectual Disability Classification, Diagnostics, and Assessment

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