CN116269378B - 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置 - Google Patents

一种基于皮肤烟酸反应视频分析的心理健康状态检测装置 Download PDF

Info

Publication number
CN116269378B
CN116269378B CN202310028283.XA CN202310028283A CN116269378B CN 116269378 B CN116269378 B CN 116269378B CN 202310028283 A CN202310028283 A CN 202310028283A CN 116269378 B CN116269378 B CN 116269378B
Authority
CN
China
Prior art keywords
skin
niacin
response
nicotinic acid
reaction
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
Application number
CN202310028283.XA
Other languages
English (en)
Other versions
CN116269378A (zh
Inventor
梁雪峰
李甫
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.)
Wilman Health Technology Shaanxi Co ltd
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202310028283.XA priority Critical patent/CN116269378B/zh
Publication of CN116269378A publication Critical patent/CN116269378A/zh
Application granted granted Critical
Publication of CN116269378B publication Critical patent/CN116269378B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Multimedia (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Psychiatry (AREA)
  • Databases & Information Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Social Psychology (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Child & Adolescent Psychology (AREA)

Abstract

本发明公开了一种基于皮肤烟酸反应视频分析的心理健康状态检测装置，包括：视频处理模块，用于获取受试者的皮肤烟酸反应视频，并对所述皮肤烟酸反应视频进行预处理；分析检测模块，用于对预处理后的皮肤烟酸反应视频进行分析处理得到受试者的皮肤烟酸反应的动态时序特征，并根据所述动态时序特征确定受试者的心理健康状态检测结果。本发明解决了现有技术中进行心理健康状态检测时所存在的耗时长、检测开展难度大以及检测标准不统一等诸多问题，能够广泛应用，从而帮助广大人群维护心理健康。

Description

一种基于皮肤烟酸反应视频分析的心理健康状态检测装置
技术领域
本发明属于心理健康状态检测领域，具体涉及一种基于皮肤烟酸反应视频分析的心理健康状态检测装置。
背景技术
心理健康是现代人健康不可分割的重要方面。了解与掌握心理健康的定义对于增强与维护人们的健康有很大的意义。当人们掌握了衡量人的心理健康标准，以此为依据对照自己，进行心理健康的自我诊断。如果发现心理状况某个或某几个方面与心理健康标准有一定距离，可以有针对性地加强心理锻炼，以期达到心理健康水平。如果发现心理状态严重地偏离心理健康标准，需要及时地求医，以便早期诊断与早期治疗。
相较于生理健康状态检测的检测手段具体性和检测标准客观性而言，心理健康状态检测往往需要在生物、心理、社会、医学模式的共同指导下，综合运用谈话、观察、测验等方法，对个体或团体的心理状态进行全面、系统的和深入分析，存在耗时长、检测开展难度大以及检测标准不统一等诸多问题。
发明内容
为了解决现有技术中所存在的上述问题，本发明提供了一种基于皮肤烟酸反应视频分析的心理健康状态检测装置。
本发明要解决的技术问题通过以下技术方案实现：
一种基于皮肤烟酸反应视频分析的心理健康状态检测装置，包括：
视频处理模块，用于获取受试者的皮肤烟酸反应视频，并对所述皮肤烟酸反应视频进行预处理；
分析检测模块，用于对预处理后的皮肤烟酸反应视频进行分析处理得到受试者的皮肤烟酸反应的动态时序特征，并根据所述动态时序特征确定受试者的心理健康状态检测结果。
可选地，所述动态时序特征，包括：描述烟酸反应皮肤的扩散过程的特征。
可选地，所述描述烟酸反应皮肤的扩散过程的特征，包括：
描述烟酸反应皮肤的面积变化过程的特征，以及表示烟酸反应皮肤的扩散速度的特征。
可选地，所述表示烟酸反应皮肤的扩散速度的特征，包括：烟酸反应皮肤的半最大效应面积对应的反应时长，或者烟酸反应皮肤的最大效应面积对应的反应时长。
可选地，所述表示烟酸反应皮肤的扩散速度的特征，包括：烟酸反应皮肤的面积扩散至第1～X个参考面积所分别对应的时间；其中，所述参考面积是以烟酸反应皮肤的初始面积为参考基准的相对面积。
可选地，所述表示烟酸反应皮肤的扩散速度的特征，包括：
其中，Smax为烟酸反应皮肤的最大效应面积，S0为烟酸反应皮肤的初始面积，Tmax为Smax对应的反应时长，V为烟酸反应皮肤的扩散速度。
可选地，所述视频处理模块，对所述皮肤烟酸反应视频进行预处理，包括：对所述皮肤烟酸反应视频的各帧图像进行大小调整、亮度和色彩的直方图均衡化以及标准化处理。
可选地，所述分析检测模块，对预处理后的皮肤烟酸反应视频进行分析处理得到受试者的皮肤烟酸反应的动态时序特征，并根据所述动态时序特征确定受试者的心理健康状态检测结果包括：
利用预先训练完成的烟酸反应皮肤分割模型对预处理后的皮肤烟酸反应视频的各帧图像分别进行烟酸反应皮肤分割，得到一组分割图像；
利用预设的动态时序特征提取算法从所述一组分割图像中提取受试者的皮肤烟酸反应的动态时序特征；
利用预先训练完成的、用于心理状态分类的分类器对所述动态时序特征进行分类，得到受试者的心理健康状态检测结果；
其中，所述烟酸反应皮肤分割模型是基于多个烟酸皮试反应图像以及烟酸皮试反应图像对应的烟酸反应皮肤分割数据进行训练得到的；所述分类器是基于多个动态时序特征以及动态时序特征对应的心理状态分类进行训练得到的。
可选地，所述烟酸反应皮肤分割模型，包括：编码模块、空洞空间卷积池化金字塔模块以及解码模块；
所述编码模块，用于从输入至所述烟酸反应皮肤分割模型的图像中分别提取浅层特征和深层特征；
所述空洞空间卷积池化金字塔模块，用于对所述深层特征进行多感受野特征提取和通道拼接，得到空洞卷积特征；
所述解码模块，用于对所述浅层特征和所述空洞卷积特征进行特征融合，得到融合特征；以及基于所述融合特征进行解码，得到分割图像。
可选地，所述编码模块，是将Resnet50网络的瓶颈层替换为ResNext网络的瓶颈层，并在瓶颈层替换后的Resnet50网络中针对新瓶颈层引入通道注意力机制所得到的。
本发明提供的基于皮肤烟酸反应视频分析的心理健康状态检测装置，通过对受试者的皮肤烟酸反应视频进行分析处理，得到受试者的皮肤烟酸反应的动态时序特征；基于该动态时序特征，本发明可以高效、自动、标准统一地完成心理健康状态检测，无需综合运用谈话、观察、测验等方法，无需专业医师的参与，解决了现有技术中进行心理健康状态检测时所存在的耗时长、检测开展难度大以及检测标准不统一等诸多问题，能够广泛应用，从而帮助广大人群维护心理健康。
此外，本发明从试者的皮肤烟酸反应视频中得到的是动态时序特征，其能够动态地体现受试者的皮肤烟酸反应过程，因此基于该动态时序特征能够得到较为准确的心理健康状态检测结果。
以下将结合附图及对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于皮肤烟酸反应视频分析的心理健康状态检测装置的结构示意图；
图2是图1所示装置的工作流程图；
图3中示出了在受试者胳膊上进行烟酸皮试的示意图；
图4中示出了本发明实施例中的分析检测模块所使用的烟酸反应皮肤分割模型的结构示意图；
图5中示出了本发明实施例中对Resnet50网络进行改造得到适用于烟酸反应皮肤分割场景的编码模块的改造过程示意图；
图6是本发明实施提供的一种基于皮肤烟酸反应视频分析的心理健康状态检测设备的结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
已有研究表面，心理健康存在问题的人往往有烟酸皮肤反应钝化的生物现象。通过在受试者的毛细血管比较稠密的位置涂抹烟酸试剂进行烟酸皮试，并观察受试者的皮肤烟酸反应，可以在一定程度上获悉受试者是否存在心理健康方面的问题。但是，这一过程需要专业医师对烟酸皮试的皮肤反应进行甄别，因此无法达到高效检测、检测标准统一、检测结果准确的目的。
为了达到上述目的，本发明实施例提供了一种基于皮肤烟酸反应视频分析的心理健康状态检测装置，该装置可以应用于电子设备中。在实际应用中，该电子设备可以是计算机、终端设备、服务器等等。
参见图1和图2所示，本发明实施例提供的基于皮肤烟酸反应视频分析的心理健康状态检测装置，包括：视频处理模块10和分析检测模块20。
视频处理模块10，用于获取受试者的皮肤烟酸反应视频，并对皮肤烟酸反应视频进行预处理。
在实际应用中，为了获得拍摄效果更好的皮肤烟酸反应视频，可以在拍摄皮肤烟酸反应视频之前，预先采集受试者的多处皮肤浅层图像，获得其皮下血管分布图，从而选择毛细血管较为丰富的点进行烟酸皮试。
在一个实施例中，心理健康状态检测装置所在的电子设备可以关联有摄像头，例如关联有摄像头的计算机或终端设备(如手机或医疗终端等)，从而可以利用该摄像头拍摄皮肤烟酸反应视频，然后由电子设备内部的处理器对皮肤烟酸反应视频进行预处理。
在另一个实施例中，心理健康状态检测装置所在的电子设备可以是远程的服务器，此时受试者可以通过网络将皮肤烟酸反应视频上传至服务器，从而由服务器后台对皮肤烟酸反应视频进行预处理以及后续的处理和分析。
视频处理模块10对皮肤烟酸反应视频进行预处理，可以包括：对皮肤烟酸反应视频的各帧图像进行大小调整、亮度和色彩的直方图均衡化以及标准化处理，并不局限于此。
其中，大小调整主要是为了后续便于采用统一的处理算法或流程对皮肤烟酸反应视频的各帧图像进行进一步的处理；亮度和色彩的直方图均衡化则是为了增强图像中的烟酸反应皮肤与非烟酸反应皮肤的对比度。具体而言，由于不同人的肤色不同，且烟酸反应皮肤的颜色偏向红色调，因此通过直方图均衡化处理，可以提高烟酸反应皮肤与非烟酸反应皮肤的对比度。标准化处理的目的是降低数据的特异性，提高算法对不同皮肤颜色的适应能力。
分析检测模块20，用于对预处理后的皮肤烟酸反应视频进行分析处理得到受试者的皮肤烟酸反应的动态时序特征，并根据动态时序特征确定受试者的心理健康状态检测结果。
具体的，分析检测模块20利用预先训练完成的烟酸反应皮肤分割模型对预处理后的皮肤烟酸反应视频的各帧图像分别进行烟酸反应皮肤分割，得到一组分割图像；然后，分析检测模块20利用动态时序特征提取算法从所述一组分割图像中提取受试者的皮肤烟酸反应的动态时序特征；然后，分析检测模块20利用预先训练完成的、用于心理状态分类的分类器对该动态时序特征进行分类，得到受试者的心理健康状态检测结果。
其中，烟酸反应皮肤分割模型是基于多个烟酸皮试反应图像以及烟酸皮试反应图像对应的烟酸反应皮肤分割数据进行训练得到的；分类器则是基于多个动态时序特征以及它们各自对应的心理状态分类进行训练得到的。
在实际应用中，可以预先对心理健康人群以及存在心理问题的人群进行烟酸皮试，从而获取大量的烟酸皮试反应图像；然后在专业医师的指导下，标注出这些烟酸皮试反应图像中的烟酸反应皮肤，得到对应的烟酸反应皮肤分割数据，从而利用这些烟酸皮试反应图像及其对应的烟酸反应皮肤分割数据来训练烟酸反应皮肤分割模型。模型结构可以采用现有图像分割神经网络模型，例如SegNet、DeepLab或U-Net等。或者，也可以通过对现有图像分割神经网络模型进行修改得到，这都是可以的。为了使说明书的结构层次清晰，后续对烟酸反应皮肤分割模型的具体网络结构进行举例说明。
另外，在训练模型时，可以对各张烟酸皮试反应图像进行统一的预处理，包括大小调整、直方图均衡化以及标准化处理等。其中，在进行调整大小时，处理后的目标大小可以取所有参与训练的烟酸皮试反应图像的平均大小。相应的，视频处理模块10对皮肤烟酸反应视频的各帧图像进行预处理时，也可以参照该平均大小来调整各帧图像的大小。标准化处理主要是为了降低数据的特异性，提高算法对不同皮肤颜色的适应能力。相应的，分析检测模块20在使用训练完成的烟酸反应皮肤分割模型时，可以参照训练数据集的标准差和均值对皮肤烟酸反应视频的各帧图像进行相同的标准化处理，以消除模型在训练和使用两个阶段的性能差异。
另外，为了增强最终训练好的烟酸反应皮肤分割模型的鲁棒性，可以通过对拍摄的烟酸皮试反应图像进行随机的图像增广处理，从而获得更多的训练数据样本。其中，图像增广的方式包括但不限于水平翻转；平移、旋转或缩放、随机裁剪、添加高斯噪声、4点透视变换、随机亮度对比度增强、图像锐化、图像模糊、动态模糊、随机改变HSV值等。
可以理解的是，分析检测模块20通过使用烟酸反应皮肤分割模型得到一组分割图像后，分割图像中的各个像素对应烟酸反应皮肤或对应非烟酸反应皮肤的结果即已得到，因此可以使用动态时序特征提取算法来从中提取动态时序特征，具体算法与动态时序特征的定义相关，下面进行举例说明。
本发明实施例中，动态时序特征主要包括：描述烟酸反应皮肤的扩散过程的特征。示例性的，描述烟酸反应皮肤的扩散过程的特征可以包括：描述烟酸反应皮肤的面积变化过程的特征，和/或表示烟酸反应皮肤的扩散速度的特征。
在实际应用中，进行烟酸皮试可以在一种浓度或多种不同的烟酸浓度下进行，因此烟酸反应视频的每帧图像中均可以包括一块或多块烟酸反应皮肤，例如在图3中所示的，对受试者进行烟酸皮试时，在受试者的皮肤上一共进行了四种不同浓度的烟酸皮试。因此拍摄的烟酸反应视频中，每帧图像中均包括4块烟酸反应皮肤。
以进行多种不同浓度的烟酸皮试为例，描述烟酸反应皮肤的面积变化过程的特征的具体存在形式包括多种。示例性的，在一种实现方式中，描述烟酸反应皮肤的面积变化过程的特征可以包括：
其中，smn表示皮肤烟酸反应视频的第n帧图像中的第m块烟酸反应皮肤的面积，m＝[1,2,…,M]，n＝[1,2,…,N]，M为皮肤烟酸反应视频的帧数，N为受试者的烟酸皮试点数。
举例而言，假设烟酸皮试点共有4处，拍摄的皮肤烟酸反应视频共有200帧图像，则上述描述烟酸反应皮肤的面积变化过程的特征即是一个4×200的矩阵。
在另一种实现方式中，描述烟酸反应皮肤的面积变化过程的特征还可以包括：[S1，S2…SN]，其中，Sn表示皮肤烟酸反应视频的第n帧图像中的烟酸反应皮肤的面积和，即当烟酸皮试点包括多处时，S1＝s11+s21+…+sM1，S2＝s12+s22+…+sM2，…，SN＝s1N+s2N+…+sMN。
可以理解的是，分析检测模块20通过统计分割图像中对应烟酸反应皮肤的像素数量，可以精确地得到分割图像中的烟酸反应皮肤的面积。对于烟酸皮试点有多处的情况而言，分析检测模块20通过统计分割图像中对应烟酸反应皮肤的连续像素块的像素数量，即可得到各块烟酸皮试点的烟酸反应皮肤的面积。
另外，表示烟酸反应皮肤的扩散速度的特征同样存在多种。示例性的，在一种实现方式中，表示烟酸反应皮肤的扩散速度的特征，可以包括：烟酸反应皮肤的半最大效应面积对应的反应时长，或者烟酸反应皮肤的最大效应面积对应的反应时长。
可以理解的是，烟酸反应皮肤的最大效应面积，即是在皮肤烟酸反应视频中，受试者的烟酸反应皮肤的面积扩散至最大时的面积。如果烟酸皮试点有多处，则这里说的最大效应面积，是多个皮试点的烟酸反应皮肤的面积总和达到最大时的面积。同理，烟酸反应皮肤的半最大效应面积，即是在皮肤烟酸反应视频中，受试者的烟酸反应皮肤的面积总和达到最大面积的一半时的面积。
在实际应用中，不同受试者对烟酸皮试的反应时间虽然有长有短，但通过进行数据统计，则适用整体人群的烟酸反应时长仍是可以预先确定的，因此只需将拍摄时长设置为略大于统计的烟酸反应时长，即能够确保从拍摄的皮肤烟酸反应视频中有效提取到烟酸反应皮肤的半最大效应面积或最大效应面积对应的反应时长。
在另一种实现方式中，表示烟酸反应皮肤的扩散速度的特征，可以包括：烟酸反应皮肤的面积扩散至第1～X个参考面积所分别对应的时间；其中，所谓参考面积是以烟酸反应皮肤的初始面积为参考基准的相对面积。
可以理解的是，烟酸反应皮肤的初始面积即是烟酸皮试点处涂抹烟酸试剂的面积，实际算法中分析检测模块20可选取皮肤烟酸反应视频中的第一帧图像中的烟酸反应皮肤的面积。第1～X个参考面积则均是比初始面积大一定百分比的面积，例如比初始面积大10％、大20％、大35％、大50％等。
在实际应用中，烟酸反应皮肤的各种面积对应的反应时长/时间均可以由分析检测模块20根据拍摄到相应面积的烟酸反应皮肤所在帧的拍摄时间来确定。
在另一种实现方式中，表示烟酸反应皮肤的扩散速度的特征，可以包括：
其中，Smax为烟酸反应皮肤的最大效应面积，S0为烟酸反应皮肤的初始面积，Tmax为Smax对应的反应时长，V为烟酸反应皮肤的扩散速度。
需要说明的是，上文举例的多种动态时序特征既可以单独使用也可以联合使用。也就是说，分析检测模块20可以通过使用分类器对一种动态时序特征进行分类得到受试者的心理健康状态检测结果，也可以通过使用分类器对多种动态时序特征联合起来形成的特征进行分类，从而得到受试者的心理健康状态检测结果。其中，后一种方式综合运用了多种动态时序特征，它们各自从不同角度对皮肤烟酸反应过程进行了描述，因此后一种实现方式得到的心理健康状态检测结果可以更加精确。
分类器是一种基于机器学习的数学模型，它可以对收集到的所有变量进行特征提取和组合,计算分类概率从而根据概率值实现分类。现有技术中的分类器包括决策树、朴素贝叶斯以及神经网络等，它们均可以应用到本发明实施例中。其中，对于利用神经网络实现的分类器来说，其利用一个全连接层即可实现准确、有效地分类，结构简单且分类器准确，可以优选使用。
在实际应用中，可以预先对大量的人群进行烟酸皮试，并采用动态时序特征提取算法从中提取得到动态时序特征，由于参试人群的心理状态是已知的，因此利用所提取的动态时序特征及其对应的心理状态分类即可训练出用于心理状态分类的分类器。
另外，为了降低分类器的复杂度，可以将参与分类的一种或多种动态时序特征编码为特征向量，从而利用特征向量及其对应的心理状态分类来训练分类器。相应的，分析检测模块20在使用分类器时，也相应将提取的一种或多种动态时序特征编码为特征向量后送入到分类器中进行分类。
本发明实施例中，对心理状态分类的具体分类形式不做限定，既可以是有无心理问题的简单分类，也可以是根据问题严重程度所作的精确细化分类，这都是可以实现的。
在一个实施例中，在预先已经获得了大量标注有心理状态分类的特征向量的基础上，分析检测模块20也可以直接计算来自于受试者的特征向量与预先标注有心理状态分类的所有特征向量的相似度，从而将相似度最高的已标注特征向量的心理状态分类作为受试者的心理状态分类。
本发明实施例提供的基于皮肤烟酸反应视频分析的心理健康状态检测装置，通过对受试者的皮肤烟酸反应视频进行分析处理，得到受试者的皮肤烟酸反应的动态时序特征；基于该动态时序特征，本发明实施例可以高效、自动、标准统一地完成心理健康状态检测；无需综合运用谈话、观察、测验等方法，无需专业医师的参与，解决了现有技术中进行心理健康状态检测时所存在的耗时长、检测开展难度大以及检测标准不统一等诸多问题，能够广泛应用，从而帮助广大人群维护心理健康。
此外，本发明实施例从试者的皮肤烟酸反应视频中得到的是动态时序特征，其能够动态地体现受试者的皮肤烟酸反应过程，因此基于该动态时序特征能够得到较为准确的心理健康状态检测结果。
下面，对烟酸反应皮肤分割模型进行举例说明。
示例性的，如图4所示，该烟酸反应皮肤分割模型可以包括：编码模块、空洞空间卷积池化金字塔模块以及解码模块。
其中，编码模块，用于从输入至烟酸反应皮肤分割模型的图像中分别提取浅层特征和深层特征；空洞空间卷积池化金字塔模块，用于对深层特征进行多感受野特征提取和通道拼接，得到空洞卷积特征；解码模块，用于对浅层特征和空洞卷积特征进行特征融合，得到融合特征，然后基于融合特征进行解码，得到分割图像。
在一种实现方式中，编码模块可以采用Resnet50网络来实现。或者，为了得到分割更加精确的分割图像，可以参见图5中所示的，进一步将Resnet50网络的瓶颈层bt1替换为ResNext网络的瓶颈层bt2，并在瓶颈层替换后的Resnet50网络中针对新瓶颈层bt2引入通道注意力机制CA，得到一种更适用于烟酸反应皮肤分割场景的编码模块se_resnext50。这里，通过在编码器中引入该注意力机制，可以使网络能够重点关注与烟酸反应皮肤分割任务相关的有用信息，忽略无关信息。
具体而言，如图5中所示的，Resnet50网络包括stage0～stage4共5级stage，其中stage1～stage4中均包含有瓶颈层(bottleneck)；将这些bottleneck均替换为ResNext网络中的平行堆叠相同拓扑的bottleneck，再配合每个bottleneck使用通道注意力机制，即可得到更适用于烟酸反应皮肤分割场景的编码模块。
其中，通道注意力机制的实现过程包括：首先将bottleneck输出的W(宽)×H(高)×C(通道)的特征图首先通过一个全局池化层(Global pooling)获得一个1×1×C的一维向量，再依次通过一个全连接层(FC)、ReLU激活层、另一个全连接层(FC)后通过Sigmoid函数层。然后，将Sigmoid函数层输出的特征与bottleneck输出的特征进行广播点对点相乘，即将Sigmoid函数层输出的特征中的每一个值作为bottleneck输出的特征的通道权值赋予到bottleneck输出的特征中。然后，将赋予权值后的特征与进入bottleneck的特征X进行相加，相加的结果即可继续送入bottleneck的输出原本要进入的网络结构中。
此外，为了更进一步地提高烟酸反应皮肤分割模型分割烟酸反应皮肤的能力，可以将原Resnet50网络中位于中后期的stage中的卷积转换为空洞卷积，例如将第3、4级stage中的卷积转换为空洞卷积；这样可以在增加感受野的同时，尽可能地保留与分割烟酸反应皮肤有关的图像细节信息。
编码模块输出的深层特征进入到空洞空间卷积池化金字塔模块中，空洞空间卷积池化金字塔模块将编码模块输出的深层特征分别进行4次卷积：一次1×1的普通卷积、三次3×3的空洞卷积；然后对这四次卷积得到的结果在通道维度C进行拼接(concat)操作，concat结果再通过一个1×1的普通卷积后输出为空洞卷积特征。
继续参见图4所示，空洞空间卷积池化金字塔模块输出的空洞卷积特征进入解码模块后，首先经过上采样进入到特征融合子模块中，与编码模块输出的浅层特征进行融合，从而获得既包含细粒度图像信息又包含高层次语义信息的图像特征；融合特征继续通过上采样结构恢复到原始尺寸，然后传入分割头(segmentation head)进行最终的分割预测。
构建好烟酸反应皮肤分割模型的网络结构后，便可以对其展开训练。其中，为了最大化分割的烟酸反应皮肤与对应标注信息中的烟酸反应皮肤的交并比，训练过程中可以计算DiceLoss来计算模型损失，当然并不局限于此。
另外，在训练过程中，可以采用IOU和标准差两个指标来评估模型的性能。其中，IOU即交并比，具体是计算分割出来的烟酸反应皮肤和标注的烟酸反应皮肤的交并比，用来评估模型的准确度；标准差则是计算一个Epoch(周期)的IOU标准差，用于评估模型的稳定性。
需要说明的是，上述举例的烟酸反应皮肤分割模型仅仅作为一种示例，并不构成一种限定，任何能够实现图像分割的神经网络模型，均可以适用或经改造后适用到本发明实施例的烟酸反应皮肤分割场景中。
综上，本发明实施例利用存在心理问题的人对烟酸皮肤反应钝化的生物学机制，结合人了多种工智能技术，如利用计算机视觉实现烟酸反应皮肤分割，利用机器学习算法(分类器)归纳皮肤烟酸反应特征，发明了一个客观性强、操作流程简单、检出力度大、准确率高、安全性强的心理健康评估装置；该装置充分利用了烟酸皮试真实数据，具备完整的数学理论体系，极大地提高了判别算法的准确率和可靠性；解决了现有技术开展心理健康评估时所存在的评估效率低下，主观性强，误诊率高，操作流程复杂，时效性短以及人工成本高的诸多技术缺陷与技术问题。
基于相同的发明构思，本发明实施例还提供了一种基于皮肤烟酸反应视频分析的心理健康状态检测设备，如图6所示，包括：处理器和存储器；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的计算机程序时，实现一种基于皮肤烟酸反应视频分析的心理健康状态检测方法；该方法包括以下步骤：
(1)获取受试者的皮肤烟酸反应视频，并对所述皮肤烟酸反应视频进行预处理；
(2)对预处理后的皮肤烟酸反应视频进行分析处理得到受试者的皮肤烟酸反应的动态时序特征，并根据所述动态时序特征确定受试者的心理健康状态检测结果。
可选地，所述动态时序特征，包括：描述烟酸反应皮肤的扩散过程的特征。
可选地，所述描述烟酸反应皮肤的扩散过程的特征，包括：
描述烟酸反应皮肤的面积变化过程的特征，以及表示烟酸反应皮肤的扩散速度的特征。
可选地，所述表示烟酸反应皮肤的扩散速度的特征，包括：烟酸反应皮肤的半最大效应面积对应的反应时长，或者烟酸反应皮肤的最大效应面积对应的反应时长。
可选地，所述表示烟酸反应皮肤的扩散速度的特征，包括：烟酸反应皮肤的面积扩散至第1～X个参考面积所分别对应的时间；其中，所述参考面积是以烟酸反应皮肤的初始面积为参考基准的相对面积。
可选地，所述表示烟酸反应皮肤的扩散速度的特征，包括：
其中，Smax为烟酸反应皮肤的最大效应面积，S0为烟酸反应皮肤的初始面积，Tmax为Smax对应的反应时长，V为烟酸反应皮肤的扩散速度。
可选地，对所述皮肤烟酸反应视频进行预处理，包括：对所述皮肤烟酸反应视频的各帧图像进行大小调整、亮度和色彩的直方图均衡化以及标准化处理。
可选地，对预处理后的皮肤烟酸反应视频进行分析处理得到受试者的皮肤烟酸反应的动态时序特征，并根据所述动态时序特征确定受试者的心理健康状态检测结果包括：
利用预先训练完成的烟酸反应皮肤分割模型对预处理后的皮肤烟酸反应视频的各帧图像分别进行烟酸反应皮肤分割，得到一组分割图像；
利用动态时序特征提取算法从所述一组分割图像中提取受试者的皮肤烟酸反应的动态时序特征；
利用预先训练完成的、用于心理状态分类的分类器对所述动态时序特征进行分类，得到受试者的心理健康状态检测结果；
其中，所述烟酸反应皮肤分割模型是基于多个烟酸皮试反应图像以及烟酸皮试反应图像对应的烟酸反应皮肤分割数据进行训练得到的；所述分类器是基于多个动态时序特征以及动态时序特征对应的心理状态分类进行训练得到的。
可选地，所述烟酸反应皮肤分割模型，包括：编码模块、空洞空间卷积池化金字塔模块以及解码模块；
所述编码模块，用于从输入至所述烟酸反应皮肤分割模型的图像中分别提取深层特征和浅层特征；
所述空洞空间卷积池化金字塔模块，用于对所述深层特征进行多感受野特征提取和通道拼接，得到空洞卷积特征；
所述解码模块，用于对所述浅层特征和所述空洞卷积特征进行特征融合，得到融合特征；基于所述融合特征进行解码，得到分割图像。
可选地，所述编码模块，是将Resnet50网络的瓶颈层替换为ResNext网络的瓶颈层，并在瓶颈层替换后的Resnet50网络中针对新瓶颈层引入通道注意力机制所得到的。
该心理健康状态检测设备中，存储器可以包括随机存取存储器(Random AccessMemory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明还提供了一种计算机可读存储介质。在该计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时，实现上述任一种基于皮肤烟酸反应视频分析的心理健康状态检测方法所述的方法步骤。
可选地，该计算机可读存储介质可以为非易失性存储器(Non-Volatile Memory，NVM)，例如为至少一个磁盘存储器。
可选的，所述计算机可读存储介质还可以是至少一个位于远离前述处理器的存储装置。
在本发明的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一种基于皮肤烟酸反应视频分析的心理健康状态检测方法所述的方法步骤。
需要说明的是，对于/设备/存储介质/计算机程序产品实施例而言，由于其基本相似于装置实施例，所以描述的比较简单，相关之处参见装置实施例的部分说明即可。
需要说明的是，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一个或者更多个特征。在本发明的描述中，“多个”的含义是两个或两个以上，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，描述的具体特征或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，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进行接合和组合。
尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看所述附图以及公开内容，可理解并实现所述公开实施例的其他变化。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (7)

1.一种基于皮肤烟酸反应视频分析的心理健康状态检测装置，其特征在于，包括：
视频处理模块，用于获取受试者的皮肤烟酸反应视频，并对所述皮肤烟酸反应视频进行预处理；
分析检测模块，用于利用预先训练完成的烟酸反应皮肤分割模型对预处理后的皮肤烟酸反应视频的各帧图像分别进行烟酸反应皮肤分割，得到一组分割图像；利用预设的动态时序特征提取算法从所述一组分割图像中提取受试者的皮肤烟酸反应的动态时序特征；利用预先训练完成的、用于心理状态分类的分类器对所述动态时序特征进行分类，得到受试者的心理健康状态检测结果；
其中，所述动态时序特，是将描述烟酸反应皮肤的面积变化过程的特征以及表示烟酸反应皮肤的扩散速度的特征联合起来形成的特征；所述烟酸反应皮肤分割模型是基于多个烟酸皮试反应图像以及烟酸皮试反应图像对应的烟酸反应皮肤分割数据进行训练得到的；所述分类器是基于多个动态时序特征以及动态时序特征对应的心理状态分类进行训练得到的。
2.根据权利要求1所述的基于皮肤烟酸反应视频分析的心理健康状态检测装置，其特征在于，所述表示烟酸反应皮肤的扩散速度的特征，包括：烟酸反应皮肤的半最大效应面积对应的反应时长，或者烟酸反应皮肤的最大效应面积对应的反应时长。
3.根据权利要求1所述的基于皮肤烟酸反应视频分析的心理健康状态检测装置，其特征在于，所述表示烟酸反应皮肤的扩散速度的特征，包括：烟酸反应皮肤的面积扩散至第1～X个参考面积所分别对应的时间；其中，所述参考面积是以烟酸反应皮肤的初始面积为参考基准的相对面积。
4.根据权利要求1所述的基于皮肤烟酸反应视频分析的心理健康状态检测装置，其特征在于，所述表示烟酸反应皮肤的扩散速度的特征，包括：
其中，Smax为烟酸反应皮肤的最大效应面积，S0为烟酸反应皮肤的初始面积，Tmax为Smax对应的反应时长，V为烟酸反应皮肤的扩散速度。
5.根据权利要求1所述的基于皮肤烟酸反应视频分析的心理健康状态检测装置，其特征在于，所述视频处理模块，对所述皮肤烟酸反应视频进行预处理，包括：对所述皮肤烟酸反应视频的各帧图像进行大小调整、亮度和色彩的直方图均衡化以及标准化处理。
6.根据权利要求5所述的基于皮肤烟酸反应视频分析的心理健康状态检测装置，其特征在于，所述烟酸反应皮肤分割模型，包括：编码模块、空洞空间卷积池化金字塔模块以及解码模块；
所述编码模块，用于从输入至所述烟酸反应皮肤分割模型的图像中分别提取浅层特征和深层特征；
所述空洞空间卷积池化金字塔模块，用于对所述深层特征进行多感受野特征提取和通道拼接，得到空洞卷积特征；
所述解码模块，用于对所述浅层特征和所述空洞卷积特征进行特征融合，得到融合特征；以及基于所述融合特征进行解码，得到分割图像。
7.根据权利要求6所述的基于皮肤烟酸反应视频分析的心理健康状态检测装置，其特征在于，所述编码模块，是将Resnet50网络的瓶颈层替换为ResNext网络的瓶颈层，并在瓶颈层替换后的Resnet50网络中针对新瓶颈层引入通道注意力机制所得到的。
CN202310028283.XA 2023-01-09 2023-01-09 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置 Active CN116269378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310028283.XA CN116269378B (zh) 2023-01-09 2023-01-09 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310028283.XA CN116269378B (zh) 2023-01-09 2023-01-09 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置

Publications (2)

Publication Number Publication Date
CN116269378A CN116269378A (zh) 2023-06-23
CN116269378B true CN116269378B (zh) 2023-11-17

Family

ID=86822961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310028283.XA Active CN116269378B (zh) 2023-01-09 2023-01-09 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置

Country Status (1)

Country Link
CN (1) CN116269378B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116206759B (zh) * 2023-01-17 2023-11-28 西安电子科技大学 一种基于图像分析的心理健康评估装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007030495A1 (de) * 2007-06-30 2009-01-15 Alzchem Trostberg Gmbh Verwendung einer eine Kreatin-Komponente enthaltende Zusammensetzung zur Verbesserung der Gedächtnisleistung, der Merkfähigkeit, des Langzeitgedächtnisses und zur Vorbeugung geistiger Ermüdungszustände
CN108986124A (zh) * 2018-06-20 2018-12-11 天津大学 结合多尺度特征卷积神经网络视网膜血管图像分割方法
CN110097946A (zh) * 2019-03-01 2019-08-06 西安电子科技大学 一种基于营养成分分析的饮食推荐方法
WO2019232831A1 (zh) * 2018-06-06 2019-12-12 平安科技（深圳）有限公司 机场异物识别方法、装置、计算机设备及存储介质
CN111557672A (zh) * 2020-05-15 2020-08-21 上海市精神卫生中心（上海市心理咨询培训中心） 一种烟酸皮肤反应图像分析方法和设备
CN111603182A (zh) * 2019-02-25 2020-09-01 上海添音生物科技有限公司 一种常见精神疾病辅助筛选皮肤测试反应器
CN217429994U (zh) * 2021-08-30 2022-09-16 李甫 烟酸皮肤反应图像的处理系统
CN115267161A (zh) * 2022-08-05 2022-11-01 水羊化妆品制造有限公司 一种化妆品舒缓功效合格受试者的测试方法和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011516061A (ja) * 2008-04-04 2011-05-26 グッドジーン インク． 核酸を安定的に保管する新規皮膚遺伝子カードとこれを用いた遺伝子分析方法、並びにこの応用方法
WO2010048431A2 (en) * 2008-10-22 2010-04-29 Reveal Sciences, Llc Device, method and apparatus for analysing skin and hair
US20220167929A1 (en) * 2020-11-30 2022-06-02 Kpn Innovations, Llc. Methods and systems for determining the physical status of a subject

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007030495A1 (de) * 2007-06-30 2009-01-15 Alzchem Trostberg Gmbh Verwendung einer eine Kreatin-Komponente enthaltende Zusammensetzung zur Verbesserung der Gedächtnisleistung, der Merkfähigkeit, des Langzeitgedächtnisses und zur Vorbeugung geistiger Ermüdungszustände
WO2019232831A1 (zh) * 2018-06-06 2019-12-12 平安科技（深圳）有限公司 机场异物识别方法、装置、计算机设备及存储介质
CN108986124A (zh) * 2018-06-20 2018-12-11 天津大学 结合多尺度特征卷积神经网络视网膜血管图像分割方法
CN111603182A (zh) * 2019-02-25 2020-09-01 上海添音生物科技有限公司 一种常见精神疾病辅助筛选皮肤测试反应器
CN110097946A (zh) * 2019-03-01 2019-08-06 西安电子科技大学 一种基于营养成分分析的饮食推荐方法
CN111557672A (zh) * 2020-05-15 2020-08-21 上海市精神卫生中心（上海市心理咨询培训中心） 一种烟酸皮肤反应图像分析方法和设备
CN217429994U (zh) * 2021-08-30 2022-09-16 李甫 烟酸皮肤反应图像的处理系统
CN115267161A (zh) * 2022-08-05 2022-11-01 水羊化妆品制造有限公司 一种化妆品舒缓功效合格受试者的测试方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Potential use of the topical niacin skin test in early psychosis— a combined approach using optical reflection spectroscopy and a descriptive rating scale;Stefan Smesny，等;Journal of Psychiatric Research;第237-247页 *

Also Published As

Publication number Publication date
CN116269378A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
Wang et al. Revisiting video saliency: A large-scale benchmark and a new model
Borji et al. What stands out in a scene? A study of human explicit saliency judgment
US11908240B2 (en) Micro-expression recognition method based on multi-scale spatiotemporal feature neural network
CN113011357A (zh) 基于时空融合的深度伪造人脸视频定位方法
Wu et al. VP-NIQE: An opinion-unaware visual perception natural image quality evaluator
CN114612714B (zh) 基于课程学习的无参考图像质量评价方法
CN116269378B (zh) 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置
CN116229319A (zh) 多尺度特征融合课堂行为检测方法与系统
CN112528777A (zh) 一种用于课堂环境下的学生面部表情识别方法及系统
Bhise et al. Plant disease detection using machine learning
CN118154969A (zh) 基于深度学习和特征融合的胆管癌内镜影像分类方法及系统
Wang et al. Single trunk multi-scale network for micro-expression recognition
CN113506274A (zh) 基于视觉显著性差异图的用于人体认知状况的检测系统
Liu et al. PGF-BIQA: Blind image quality assessment via probability multi-grained cascade forest
Borji et al. Bottom-up attention, models of
Guan et al. Study of subjective and objective quality assessment of night-time videos
CN116206759B (zh) 一种基于图像分析的心理健康评估装置、设备及存储介质
CN116385760B (zh) 一种皮肤烟酸反应分类设备
Lin et al. A Systematic Review of Facial Micro-Expression Recognition
Zhang et al. Two-Branch Deepfake Detection Network Based on Improved Xception
Prabhakaran et al. Identification of Fish Species and Grading in Fish Market Using Transfer Learning
Cacciatori et al. On Developing Facial Stress Analysis and Expression Recognition Platform
Karmann What attracts our visual attention? A study on saliency mapping for architectural daylit scenes based on virtual reality data
Jo et al. Perceptual metric for face image quality with pixel-level interpretability
TELÇEKEN et al. NARENCİYE SINIFLANDIRMASINDA EVRİŞİMLİ AĞ MODELLERİNİN KARŞILAŞTIRILMASI

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
TR01 Transfer of patent right

Effective date of registration: 20240122

Address after: Room 302C90, 3rd Floor, Building A, Huajing Business Plaza, No. 20 Fenghui South Road, High tech Zone, Xi'an City, Shaanxi Province, 710075

Patentee after: Wilman Health Technology (Shaanxi) Co.,Ltd.

Country or region after: China

Address before: 710071 No. 2 Taibai South Road, Shaanxi, Xi'an

Patentee before: XIDIAN University

Country or region before: China

TR01 Transfer of patent right