TWI831178B - 注意力不足過動症的分析裝置、診斷系統及分析方法 - Google Patents
注意力不足過動症的分析裝置、診斷系統及分析方法 Download PDFInfo
- Publication number
- TWI831178B TWI831178B TW111114085A TW111114085A TWI831178B TW I831178 B TWI831178 B TW I831178B TW 111114085 A TW111114085 A TW 111114085A TW 111114085 A TW111114085 A TW 111114085A TW I831178 B TWI831178 B TW I831178B
- Authority
- TW
- Taiwan
- Prior art keywords
- sensing data
- unit
- coupled
- host device
- diagnostic system
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 76
- 208000036864 Attention deficit/hyperactivity disease Diseases 0.000 claims abstract description 27
- 208000006096 Attention Deficit Disorder with Hyperactivity Diseases 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims description 47
- 238000013528 artificial neural network Methods 0.000 claims description 30
- 208000015802 attention deficit-hyperactivity disease Diseases 0.000 claims description 22
- 230000033001 locomotion Effects 0.000 claims description 20
- 230000010354 integration Effects 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 13
- 230000004424 eye movement Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 210000001508 eye Anatomy 0.000 claims description 8
- 230000004886 head movement Effects 0.000 claims description 7
- 210000003128 head Anatomy 0.000 claims description 6
- 238000010295 mobile communication Methods 0.000 claims description 6
- 239000013307 optical fiber Substances 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 210000004556 brain Anatomy 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 210000005252 bulbus oculi Anatomy 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 19
- 208000013403 hyperactivity Diseases 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006735 deficit Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000011056 performance test Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Automatic Analysis And Handling Materials Therefor (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一種注意力不足過動症的分析裝置,適於接收一受測者的多個感測資料。分析裝置包括多個初級處理單元、整合單元和二級處理單元。初級處理單元可以分別對感測資料進行初級深度神經網路處理,並且產生多個初級學習結果。整合單元可以將初級學習整合成一整合資料。接著,此整合資料再由二級處理單元進行二級深度神經網路處理,並且產生一分析結果。
Description
一種注意力不足過動症的診斷與分析方法,特別是關於一種利用深度神經網路(Deep Neural Networks,DNN)進行判斷之注意力不足過動症的診斷與分析方法。
注意力不足過動症(Attention Deficit/Hyperactivity Disorder)簡稱過動症或是ADHD。顧名思義,此種症狀實包含了「注意力不足」(Attention-Deficit)跟「過動衝動」(Hyperactivity Disorder)兩個主要的面向。因此,在醫學的診斷上,分為兩大項,分別是注意力缺損和過動/衝動性評估。
以注意力缺損的評估來說,包含了9個項目的評估,包括是否專注於細節、是否能持續專注於工作或遊戲活動、是否能聽別人說話的內容…等等。同樣地過動/衝動評估也分為9項,包括是否能在座位上好好坐著、在教室中是否會任意離開座位、是否能安靜地玩或參與休閒活動…等等。而這些評估的環境標準,分為在學校和家裡,並且是否持續6個月沒有改善等。由此可知,傳統上若是要評估兒童是否有多動症的傾向,需要耗時較長的時間,以及較高的人力成本才可完成評估。另外,傳統的平測方式也需要在特定的地點和環境,因此限制較大。
本發明提供一種注意力不足過動症的分析裝置和方法,可以避免人為的誤失而精確地分析受測者是否有注意力不足過動的傾向。
從另一觀點來看,本發明提供一種注意力不足過動症的診斷系統,可以不受環境的影響來判斷受測者是否有注意力不足過動的傾向。
本發明所提供的注意力不足過動症的分析裝置,適於接收一受測者的多個感測資料。分析裝置包括多個初級處理單元、整合單元和二級處理單元。初級處理單元可以分別對感測資料進行初級深度神經網路處理,並且產生多個初級學習結果。整合單元可以將初級學習整合成一整合資料。接著,此整合資料再由二級處理單元進行二級深度神經網路處理,並且產生一分析結果。
在一些實施例中,分析裝置還包括多個特徵取出單元,分別接收感測資料,並且從其中取出多個特徵值,並且各特徵取出單元分別耦合初級處理單元其中之一,以將所取出的特徵值送至初級處理單元進行初級深度神經網路處理。
在一些實施例中,感測資料包括一受測者的腦波感測資料、眼球運動感測資料、以及至少一動作感測資料。
另外,本發明所提供的注意力不足過動症的診斷系統,包括沉浸式模組和分析模組。沉浸式模組可以提供一測試視訊和一測試音訊至少其中之一給一受測者,並感測受測者對於測試視訊和/或測試音訊的反應而輸出多個感測資料。這些感測資料透過有線或無線的方式送至分析模組進行分析。分析模組包括多個初級處理單元、整合單元和二級處理單元。
不同的感測資料分別由對應的初級處理單元進行初級深度神經網路處理,並且產生多個初級學習結果。這些初級學習結果被整合單元整合後,可以被整合成一整合資料,然後再由二級處理單元對此整合資料進行二級深度神經網路處理,並且產生一分析結果。
在一些實施例中,分析模組還包括多個特徵取出單元,分別接收感測資料,並且從其中取出多個特徵值,並且各特徵取出單元分別耦合初級處理單元其中之一,以將所取出的特徵值送至初級處理單元進行初級深度神經網路處理。
在一些實施例中,沉浸式模組包括頭戴式顯示器,以顯示測試視訊,並感測受測者的反應而輸出至少一感測資料。較佳地,頭戴式顯示器包括控制單元、顯示單元、眼球追蹤單元、動作感測單元和收發單元。控制單元可以耦接顯示單元、眼球追蹤單元、動作感測單元和收發單元。其中,眼球追蹤單元感測受測者眼球的運動而輸出一眼球運動感測資料,而動作感測單元則感測受測者頭部的運動而輸出一頭部運動感測資料。當收發單元收到測試視訊時,控制單元控制顯示單元顯示測試視訊,並且控制收發單元將眼球運動感測資料和頭部運動感測資當作感測資料之至少部分傳送給該分析模組。
在另外一些實施例中,頭戴式顯示器還包括腦波感測單元,用來感測受測者的腦波,而輸出一腦波感測資料。腦波感測單元耦接控制單元,因此當腦波感測資料生成時,控制單元控制收發單元將腦波感測資料當作感測資料之至少部分傳送給該分析模組。
在另外一些實施例中,沉浸式模組更包括至少一手持式操作
器,可以透過有線或無線的方式耦合收發單元,並感測受測者的手勢和/或操作而輸出一操作感測資料。當手持式操作器產生操作感測資料時,可以傳送至收發單元,並且控制單元可以控制收發單元將操作感測資料當作感測資料傳送出去。
在另外一些實施例中,診斷系統更包括一第一主機裝置和一第二主機裝置。第一主機裝置可以透過有線或無線的方式耦合至收發單元,而第二主機裝置則安裝有分析模組,並且也可以透過有線或無線的方式耦合至第一主機裝置。第一主機裝置可以傳送測試視訊和/或測試音訊給收發單元,或從收發單元接收感測資料。當第一主機裝置收到感測資料時,就傳送至第二主機裝置,以由分析模組進行分析。其中,第一主機裝置可以透過WiFi、行動網路、藍芽、ZigBee或其他通訊協定耦合收發單元和/或第二主機裝置。在其他實施例中,第一主機裝置透過通用序列匯流排、電纜、光纖或是其他形式的傳輸線耦合至該收發單元和/或該第二主機裝置。其中,第一主機裝置和/或第二主機裝置可以是桌上型電腦、筆記型電腦、專業型工業電腦、平板電腦或行動通訊裝置。
在一些實施例中,診斷系統更包括主機裝置,安裝有分析模組,並透過有線或無線的方式耦合至收發單元。主機可以傳送測試視訊和/或測試音訊給收發單元,並將收發單元所傳送出來的感測資料由分析模組進行分析。在一些實施例中,主機裝置可以透過WiFi、行動網路、藍芽、ZigBee或其他通訊協定耦合收發單元。在另外一些實施例中,主機裝置透過通用序列匯流排、電纜、光纖或是其他形式的傳輸線耦合至收發單元。其中,主機裝置可以是上型電腦、筆記型電腦、專業型工業電腦、平板電
腦或行動通訊裝置。
從另一觀點來看,本發明所提供的注意力不足過動症的分析方法,包括將多個感測資料分別進行一初級深度神經網路處理,並產生多個初級學習結果。接著,整合這些初級學習結果,並產生一整合資料,然後再將整合資料進行一二級深度神經網路處理,並且產生一分析結果,以顯示一受測者是否有注意力不足過動症的傾向。
由於本發明係利用深度神經網路分析受測者的感測資料,以判斷受測者的注意力不足過動傾向,因此可以精確的判斷受測者的情形,而不會因為人為主觀的判斷而造成的誤失。另外,由於本發明採用沉浸式模組提供測試視訊和/或測試音訊給受測者,也使本發明不受場地或環境的限制。
上述發明內容旨在提供本揭示內容的簡化摘要,以使讀者對本揭示內容具備基本的理解,此發明內容並非揭露本發明的完整描述,且用意並非在指出本發明實施例的重要/關鍵元件或界定本發明的範圍。
10a、10b:診斷系統
12:沉浸式模組
14、14a、14b、14c、14d:分析模組
16、18:主機裝置
302、324、706:整合單元
304、312-1、312-m:處理單元
314:加權評估單元
322-1、322-m、704a~704d:初級處理單元
326、708:二級處理單元
402:頭戴式顯示器
404:手持式控制器
406:音訊播放器
602:控制單元
604:收發模組
606:顯示單元
608:眼球追蹤單元
610:動作感測器
612:腦波感測單元
702a~702d:特徵取出單元
AS:測試音訊
D1、Dm:感測資料
D_Com:整合資料
D_EEG:腦波感測資料
D_Eye:眼球運動感測資料
D_FV1~D_FV4:特徵資料
D_Head:頭部運動感測資料
D_Ope:操作感測資料
Out_a1、Out_am:學習結果
Out_b1~Out_bm:初級學習結果
Out_Final:分析結果
VS:測試視訊
S802、S804、S806:分析方法
圖1繪示為依照本發明之一實施例的一種注意力不足過動症之診斷系統的方塊圖。
圖2繪示為依照本發明另一實施例的一種注意力不足過動症之診斷系統的方塊圖。
圖3A繪示為依照本發明第一實施例的一種分析模組的方塊圖。
圖3B繪示為依照本發明第二實施例的一種分析模組的方塊
圖。
圖3C繪示為依照本發明第三實施例的一種分析模組的方塊圖。
圖4繪示為依照本發明之一實施例的一種沉浸式模組的方塊圖。
圖5A繪示為依照本發明所建構之互動式虛擬實境場景示意圖。
圖5B繪示為依照本發明所建構之持續性表現測試之場景示意圖。
圖5C繪示為依照本發明所建構之威斯康辛分類測試之場景示意圖。
圖6繪示為依照本發明之一實施例的一種頭戴式顯示器的方塊圖。
圖7繪示為依照圖6之實施例的一種分析模組的方塊圖。
圖8繪示為依照本發明之一實施例的一種注意力不足過動症之分析方法的步驟流程圖。
本發明將可由以下的實施例說明而得到充分瞭解,使得熟習本技術領域具有通常知識者可以具以完成之,然本發明之實施例並非可由下列實施例而被限制其實施型態;本發明之圖式並不包含對大小、尺寸與比例尺的限定,本發明實際實施其大小、尺寸與比例尺並非可經由本發明之圖式而被限制。
本文中用與「較佳」是非排他性的,應理解成「較佳為但不限於」,任何說明書或請求項中所描述或記載的任何步驟可按任何順序執行,而不限於請求項中所述的順序,本發明的範圍應僅由所附請求項及其均等方案確定,不應由實施方式例的實施例確定。本文中用語「包含」、「包括」、「具有」及其變化出現在說明書和請求項中時,是一個開放式的用語,不具有限制性含意,並不排除其他特徵或步驟。
本文中用語「耦合」或「耦接」,包含兩個以上的物件直接或間接以電性連接、電子訊號交換或資料交換等的形式彼此交流,並不排除其他形式的連接方式或僅僅是直接和間接連接形式間的差異。
圖1繪示為依照本發明之一實施例的一種注意力不足過動症之診斷系統的方塊圖。請參照圖1,本實施例所提供診斷系統10a包括沉浸式模組12和分析模組14。分析模組14例如是可程式化的人工智能系統,並可以安裝在一主機裝置16中。在本施例中及以下的實施例中,主機裝置16是指至少具有中央處理單元、顯示單元和通訊單元的設備,較佳地,主機裝置16還具有儲存單元和輸入單元,例如是,但不限於桌上型電腦、筆記型電腦、專業型工業電腦、平板電腦、伺服器主機或是行動通訊裝置。另外,沉浸式模組12可以利用有線或無線的方式耦合主機裝置16,例如沉浸式模組12可以透過WiFi、行動網路、藍芽、ZigBee或其他通訊協定耦合至主機裝置16。在其他實施例中,主機裝置16也可以透過通用序列匯流排、電纜、光纖或是其他形式的傳輸線耦合至沉浸式模組16。
主機裝置16可以傳送測試視訊VS和/或測試音訊AS至沉浸模組12,以致於沉浸式模組12將所接收到的測試視訊VS和/或測試音訊AS
提供給一受測者,並且依據受測者的反應而生成多個感測資料D1~Dm。其中,m為大於1的正整數。這些感測資料D1~Dm可以送至分析模組14進行分析,並產生一分析結果Out_Final,以顯示受測者是否有注意力不足過動症的傾向。例如,分析模組14可以產生一百分比值,來顯示受測者的注意力不足過動症的傾向程度。
圖2繪示為依照本發明另一實施例的一種注意力不足過動症之診斷系統的方塊圖。請參照圖2,本實施例所提供的診斷系統10b,除了沉浸式模組12和主機裝置16之外,還包括另一主機裝置18。主機裝置18可以透過有線或無線的方式耦合沉浸式模組12和/或主機裝置16,例如以WiFi、行動網路、藍芽、ZigBee或其他通訊協定耦合沉浸式模組12和/或主機裝置16。在另外一些實施例中,主機裝置18也可以透過通用序列匯流排、電纜、光纖或是其他形式的傳輸線耦合至沉浸式模組12和/或主機裝置16。在本實施例中,主機裝置18例如是,但不限於桌上型電腦、筆記型電腦、專業型工業電腦、平板電腦、伺服器主機或是行動通訊裝置。
主機裝置18可以傳送測試視訊VS和/或測試音訊AS給沉浸式模組12,並且接收沉浸式模組12所傳送來的感測資料D1~Dm。當主機裝置18接收到感測資料D1~Dn時,可以轉傳給主機裝置16,以由安裝於主機裝置16的分析模組14進行分析。
圖3A繪示為依照本發明第一實施例的一種分析模組的方塊圖。請參照圖3A,本實施例所提供的分析模組14a包括整合單元302和處理單元304。整合單元302可以將所接收到的感測資料D1~Dm整合成一整合資料D_Com。另外,處理單元304耦合至整合單元302,以將整合資料D_Com
進行深度神經網路處理,並且輸出分析結果Out_Final。
圖3B繪示為依照本發明第二實施例的一種分析模組的方塊圖。請參照圖3B,本實施例所提供的分析模組14b包括多個處理單元312-1~312-m和加權評估單元314。處理單元312-1~312-m分別對感測資料D1~Dm進行深度神經網路處理,並且輸出學習結果Out_a1~Out_am。另外,加權評估單元314耦合至處理單元312-1~312-m,並且將學習結果Out_a1~Out_am進行加權運算,而獲得分析結果Out_Final。
圖3C繪示為依照本發明第三實施例的一種分析模組的方塊圖。請參照圖3C,本實施例所提供的分析模組14c包括多個初級處理單元322-1~322-m、整合單元324和二級處理單元326。初級處理單元322-1~322-m可以分別將感測資料D1~Dm進行初級深度神經網路處理,並且輸出多個初級學習結果Out_b1~Out_bm。整合單元324耦合初級處理單元322-1~322-m,以將初級學習結果Out_b1~Out_bm整合成整合資料D_Com。另外,整合單元324還耦合二級處理單元326,因此二級處理單元326可以將整合資料D_Com進行二級深度神經網路處理,而獲得分析結果Out_Final。
圖4繪示為依照本發明之一實施例的一種沉浸式模組的方塊圖。請參照圖4,沉浸式模組12可以接收從主機裝置16或18傳送來的測試視訊VS和/或測試音訊AS,並提供給受測者沉浸式的體驗,例如是虛擬實境的環境。在本實施例中,沉浸式模組12包括投戴式顯示器402,其可以將所接收到的測試視訊VS顯示給受測者。例如圖5A,即建構出一個虛擬教室的三維場景環境。
在一些的實施例中,沉浸式模組12還包括手持式控制器
404,其可以透過無線的方式,例如藍芽、Zigbee、RFID或其他無線通訊協定、或有線的方式,例如通用序列匯流排2.0,3.0,Type-C,Lighting,或其他連接埠形式的傳輸線耦合頭戴式顯示器402。當然,在其他的實施例中,手持式控制器404也可以直接耦合上述的主機裝置16或18。手持式控制器404可以感測受測者的手勢和/或操作,並且輸出操作感測資料D_Ope。若是手持式控制器404耦合頭戴式顯示器402,則操作感測資料D_Ope就可以傳送至頭戴式顯示器402,並且頭戴式顯示器402可以將接收到的操作感測資料D_Ope當作感測資料D1~Dm傳送出去。
請繼續參照圖4,在本實施例中,測試視訊VS可以分為持續性表現測試,例如圖5B所繪示的場景,以及威斯康辛分類測試,即圖5C所繪示的場景。在圖5B所繪示的持續性表現測試場景中,係提供一項視覺任務。在每一輪任務中,場景中的黑板上會顯示一系列不同的字母。當出現一特定順序,例如字母X出現在字母A後面時,受測者需要進行相應的動作,例如按下手持式控制器404上的一預設按鈕;相對地,若是沒有出現上述的特定順序,則不應按下手持式控制器404上的預設按鈕。當受測者按下手持式控制器404上的預設按鈕時,手持式控制器404可以輸出對應的操作感測資料D_Ope給頭戴式顯示器402。
另外,圖5C所揭示的威斯康辛測試,是由問題庫中的刺激卡和響應卡組成。每張卡片都有不同的數字、顏色和形狀組合。受測者需要按測試人員所指定的數字、顏色或形狀順序,而操作手持式控制器404對響應卡進行排序。當受測者透過手持式控制器404對刺激卡和響應卡排序時,手持式控制器404也會產生操作感測資料D_Ope。
請回頭參照圖4,沉浸式模組12還可以包括音訊播放器406,例如是耳機,其可以透過無線,例如藍芽、Zigbee、RFID或其他無線通訊協定、或有線的方式,例如通用序列匯流排2.0,3.0,Type-C,Lighting、音源接口、HDMI,Mini HDMI、或其他形式的多媒體傳輸線耦合頭戴式顯示器402。當然,音訊播放器406也可以選擇耦合至上述的主機裝置16或18。若是音訊播放器406是耦合頭戴式顯示器402,當頭戴式顯示器402接收到測試音訊AS時,可以傳送至音訊播放器406,以透過音訊播放器406播放測試音訊AS給受測者聽。
圖6繪示為依照本發明之一實施例的一種頭戴式顯示器的方塊圖。請參照圖6,頭戴式顯示器402可以包括一控制單元602,例如是一處理器、微控制器、單晶片等。另外,頭戴式顯示器402還可以包括至少一收發單元604和顯示單元606,並且二者都可以耦接控制單元602。收發單元604可以透過上述有線或無線的方式耦合手持式控制器404、音訊播放器406、以及主機裝置16或18。顯示單元606可以是液晶顯示器、有機發光二極體顯示器、或是micro LED顯示器。在另外可選擇的實施例中,顯示單元606也可以是外接的顯示裝置,例如是行動電話。當收發單元604收到測試視訊VS時,控制單元602可以控制顯示單元606顯示此測試視訊VS給受測者,例如顯示上述圖5A、圖5B和圖5C的場景給受測者。
在另外一些實施例中,頭戴式顯示器402還可以配置眼球追蹤單元608和動作感測單元610,二者可以分別耦接控制單元602。眼球追蹤單元608可以感測受測者眼球的運動,並且產生眼球運動感測資料D_Eye;動作感測單元610則可以感測受測者頭部的運動,而產生頭部運動感測資料
D_Head。控制單元602可以控制收發單元604將眼球運動感測資料D_Eye和頭部運動感測資料D_Head當作感測資料D1~Dm傳送至主機裝置16或18,以進行分析。
在另一實施例中,頭戴式顯示器402還可以包括腦波感測單元612,其可以耦接控制單元602。腦波感測單元612可以感測受測者的腦波變化,並且產生腦波感測資料D_EEG。同樣地,控制單元602可以控制收發單元604將腦波感測資料D_EEG當作感測資料D1~Dm傳送至主機裝置16或18進行分析。
以上的頭戴式顯示器402,可以對受測者提供不同的干擾事件,並且依據受測者的反應而輸出相對應的感測資料。例如,控制單元602可以控制顯示單元606顯示測試視訊VS時,控制音訊播放器406播放測試音訊AS,例如是教室外的噪音、廣播或是消防車的鳴笛聲。此時,眼球追蹤單元608、動作感測單元610和腦波感測單元612可以依據受測者的反應,而產生對應的眼球運動感測資料D_Eye、頭部運動感測資料D_Head和腦波感測資料D_EEG。
圖7繪示為依照圖6之實施例的一種分析模組的方塊圖。請參照圖7,依照以上的敘述,本實施例提供對應的分析模組14d,其包括多個特徵取出單元702a~702d、多個初級處理單元704a~704d、整合單元706和二級處理單元708。特徵取出單元702a~702d可以分別可以接收多個感測資料。在本實施例中,這些感測資料分別是操作感測資料D_Ope、眼球運動感測資料D_Eye、頭部運動感測資料D_Head和腦波感測資料D_EEG。特徵取出單元可以分別從這些感測資料取出多個特徵值,並且產生特徵資料
D_FV1~D_FV4。本領域具有通常知識者當知,本實施例中的特徵取出單元702a~702d也可以使用在上述圖3A至圖3C所揭示的任一分析模組中,以先行處理感測資料D1~Dm。
各初級處理單元704a~704d分別耦合特徵取出單元702a~702d其中之一,以將特徵資料D_FV1~D_FV4分別進行初級深度神經網路(Deep Neural Networks,DNN)處理,並且分別產生多個初級學習結果Out_b1~Out_b4。這些初級處理單元704a~704d還可以耦合整合單元146,因此整合單元146可以取得初級學習結果Out_b1~Out_b4,並整合成一整合資料D_Com。另外,整合單元706可以耦合二級處理單元708,藉此,二級處理單元708可以將整合資料D_Com進行二級深度神經網路處理,並且獲得分析結果Out_Final,以顯示受測者是否有注意力不足過動的傾向。
在一些實施例中,初級處理單元704a~704d可以是已經訓練好的處理單元,如此一來,分析模組14d的處理效能就可以大大提升。
圖8繪示為依照本發明之一實施例的一種注意力不足過動症之分析方法的步驟流程圖。請參照圖8,本實施例所提供的分析方法,可以如步驟S802所述,將多個感測資料分別進行一初級深度神經網路處理,並產生多個初級學習結果。接著,如步驟S804所述,將前述的多個初級學習結果整合成一整合資料。最後,則可以進行步驟S806,就是將整合資料進行一二級深度神經網路處理,並產生一分析結果,以顯示受測者是否有注意力不足過動症的傾向。
在一些實施例中,上述的步驟S802,可以先從感測資料取出多個特徵值,而產生多個特徵資料,再對這些特徵資料進行初級深度神
經網路處理,以產生初級學習結果。
綜上所述,本發明有以下特點。
1.由於本發明使用沉浸式模組提供受測視訊和/或測試音訊給受測者,而讓受測者有沉浸式的體驗,因此本發明不受地點及環境的限制。
2.由於本發明採用深度神經網路處理係依據受測者的多個感測資料來判斷受測者注意力不足過動的傾向,因此本發明可以免除不同的測試者因為主觀上的判斷所造成的誤失。
3.在本發明其中一實施例中,由於採用初級深度神經網路處理以及二級深度神經網路處理,因此本發明可以較精確地判斷受測者的注意力不足過動傾向。
4.承上,在同一實施例中,由於進行初級深度神經網路處理的初級處理單元可以採用已經訓練好的的處理單元,因此更可以提供整體判斷的效能。
本發明各個實施例彼此之間可以任意組合或者替換,從而衍生更多的實施態樣,但接不脫本發明所欲保護之範圍,本發明保護範圍之界定,悉以本發明申請專利範圍所記載為準。
702a~702d:特徵取出單元
704a~704d:初級處理單元
706:整合單元
708:二級處理單元
D_Com:整合資料
D_EEG:腦波感測資料
D_Eye:眼球運動感測資料
D_FV1~D_FV4:特徵資料
D_Head:頭部運動感測資料
D_Ope:操作感測資料
Out_b1~Out_b4:初級學習結果
Out_Final:分析結果
Claims (18)
- 一種注意力不足過動症的分析裝置,適於接收從一受測者所感測到的多個感測資料,該分析裝置包括:多個初級處理單元,分別對該些感測資料進行初級深度神經網路處理,並輸出多個初級學習結果;一整合單元,耦合該些初級處理單元,以整合該些感測資料,並輸出一整合資料;以及一二級處理單元,耦合該整合單元,以將該整合資料進行二級深度神經網路處理,並輸出一分析結果。
- 如請求項1所述之分析裝置,更包括:多個特徵取出單元,接收該些感測資料,並獲得多個特徵值,且各該特徵取出單元分別耦合該些初級處理單元其中之一,以將該些特徵值送至該些初級處理單元進行該初級深度神經網路處理。
- 如請求項1所述之分析裝置,其中該些感測資料包括一受測者的腦波感測資料、眼球運動感測資料、以及至少一動作感測資料。
- 一種注意力不足過動症的診斷系統,包括:一沉浸式模組,提供一測試視訊和一測試音訊至少其中之一給一受測者,並感測該受測者對於該測試視訊和/或該測試音訊的反應而輸出多個感測資料;以及一分析模組,以有線或無線的方式耦合該沉浸式模組,以接收該些感測資料,該分析模組包括:多個初級處理單元,分別將該些感測資料進行初級深度神經網路處理,並獲得多個第一初級學習結果; 一整合單元,耦合該些初級處理單元,已將該些初級學習結果整合成一整合資料;以及一二級控制單元,耦合該整合單元,以將該整合資料進行二級深度神經網路處理,並獲得一分析結果。
- 如請求項4所述之診斷系統,其中該分析模組更包括:多個特徵取出單元,接收該些感測資料,以獲得多個特徵值,且各該特徵取出單元分別耦合該些初級處理單元其中之一,以將該些特徵值送至該些初級處理單元進行該初級深度神經網路處理。
- 如請求項4所述之診斷系統,其中該沉浸式模組包括:一頭戴式顯示器,以顯示該測試視訊,並感測該受測者的反應而輸出該些感測資料少其中之一。
- 如請求項6所述之診斷系統,其中該頭戴式顯示器包括:一控制單元;一顯示單元,耦接該控制單元;一眼球追蹤單元,感測該受測者眼球的運動而輸出一眼球運動感測資料,並耦接該控制單元;一動作感測單元,感測該受測者頭部的運動而輸出一頭部運動感測資料,並耦接該控制單元;以及一收發單元,耦接該控制單元;其中當該收發單元收到該測試視訊時,該控制單元控制該顯示單元顯示該測試視訊,並控制該收發單元將該眼球運動感測資料和該頭部運動感測資料當作該些感測資料至少部分傳送給該分析模組。
- 如請求項7所述之診斷系統,其中該頭戴式顯示器更包括:一腦波感測單元,感測該受測者的腦波,而輸出一腦波感測資料,並耦接該控制單元,其中當該腦波感測單元產生該腦波感測資料時,該控制單元控制該收發單元將該腦波感測資料當作該些感測資料至少部分傳送出去給該分析模組。
- 如請求項7述之診斷系統,其中該沉浸式模組更包括:至少一手持式操作器,透過有線或無線的方式耦合該收發單元,並感測該受測者的手勢和/或操作而輸出一操作感測資料,其中當該手持式操作器產生該操作感測資料時,則傳送至該收發單元,且該控制單元控制該收發單元將該操作感測資料當作該些感測資料之至少部分傳送給該分析模組。
- 如請求項7所述之診斷系統,更包括:一第一主機裝置,透過有線或無線的方式耦合至該收發單元;以及一第二主機裝置,透過有線或無線的方式耦合該第一主機裝置,並安裝有該分析模組,其中該第一主機裝置傳送該測試視訊和/或該測試音訊給該收發單元,並將該收發單元所傳送出來的該些感測資料轉傳給該第二主機裝置,以由該分析模組進行分析。
- 如請求項10所述之診斷系統,其中該第一主機裝置透過WiFi、行動網路、藍芽、ZigBee或其他通訊協定耦合該收發單元和/或該第二主機裝置。
- 如請求項10所述之診斷系統,其中該第一主機裝置透過通用序列匯流排、電纜、光纖或是其他形式的傳輸線耦合至該收發單元和/或該第二主機裝置。
- 如請求項10所述之診斷系統,其中該第一主機裝置和/或第二主機裝置係桌上型電腦、筆記型電腦、專業型工業電腦、伺服器主機、平板電腦和行動通訊裝置其中之一。
- 如請求項7所述之診斷系統,更包括:一主機裝置,安裝有該分析模組,並透過有線或無線的方式耦合至該收發單元,其中該主機裝置傳送該測試視訊和/或該測試音訊給該收發單元,並將該收發單元所傳送出來的該些感測資料由該分析模組進行分析。
- 如請求項14所述之診斷系統,其中該主機裝置透過WiFi、行動網路、藍芽、ZigBee或其他通訊協定耦合該收發單元。
- 如請求項14所述之診斷系統,其中該主機裝置透過通用序列匯流排、電纜、光纖或是其他形式的傳輸線耦合至該收發單元。
- 如請求項14所述之診斷系統,其中該主機裝置係桌上型電腦、筆記型電腦、專業型工業電腦、伺服器主機、平板電腦和行動通訊裝置其中之一。
- 如請求項6所述之診斷系統,其中該沉浸式模組包括一音訊播放器,以播放該測試音訊給該受測者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111114085A TWI831178B (zh) | 2022-04-13 | 2022-04-13 | 注意力不足過動症的分析裝置、診斷系統及分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111114085A TWI831178B (zh) | 2022-04-13 | 2022-04-13 | 注意力不足過動症的分析裝置、診斷系統及分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202341173A TW202341173A (zh) | 2023-10-16 |
TWI831178B true TWI831178B (zh) | 2024-02-01 |
Family
ID=89856092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111114085A TWI831178B (zh) | 2022-04-13 | 2022-04-13 | 注意力不足過動症的分析裝置、診斷系統及分析方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI831178B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712710A (zh) * | 2018-04-26 | 2019-05-03 | 南京大学 | 一种基于三维眼动特征的婴幼儿发育障碍智能评估方法 |
CN110970130A (zh) * | 2019-12-30 | 2020-04-07 | 段新 | 一种注意缺陷多动障碍的数据处理方法 |
CN111292850A (zh) * | 2020-01-22 | 2020-06-16 | 福建中医药大学 | 一种adhd儿童注意力智能康复系统 |
CN111528867A (zh) * | 2020-05-13 | 2020-08-14 | 湖州维智信息技术有限公司 | 用于儿童adhd筛查评估系统的表情特征向量确定方法 |
US20220061726A1 (en) * | 2020-08-28 | 2022-03-03 | Sentio Solutions, Inc. | Method for characterizing, detecting, and monitoring adhd |
-
2022
- 2022-04-13 TW TW111114085A patent/TWI831178B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109712710A (zh) * | 2018-04-26 | 2019-05-03 | 南京大学 | 一种基于三维眼动特征的婴幼儿发育障碍智能评估方法 |
CN110970130A (zh) * | 2019-12-30 | 2020-04-07 | 段新 | 一种注意缺陷多动障碍的数据处理方法 |
CN111292850A (zh) * | 2020-01-22 | 2020-06-16 | 福建中医药大学 | 一种adhd儿童注意力智能康复系统 |
CN111528867A (zh) * | 2020-05-13 | 2020-08-14 | 湖州维智信息技术有限公司 | 用于儿童adhd筛查评估系统的表情特征向量确定方法 |
US20220061726A1 (en) * | 2020-08-28 | 2022-03-03 | Sentio Solutions, Inc. | Method for characterizing, detecting, and monitoring adhd |
Also Published As
Publication number | Publication date |
---|---|
TW202341173A (zh) | 2023-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Niehorster et al. | The impact of slippage on the data quality of head-worn eye trackers | |
Makransky et al. | Adding immersive virtual reality to a science lab simulation causes more presence but less learning | |
US10786149B2 (en) | Head-mounted display for performing ophthalmic examinations | |
Chen et al. | Using task-induced pupil diameter and blink rate to infer cognitive load | |
Kalantari et al. | Virtual environments for design research: Lessons learned from use of fully immersive virtual reality in interior design research | |
CN103514455B (zh) | 用于表征情绪提示的方法和系统 | |
Kalantarian et al. | The performance of emotion classifiers for children with parent-reported autism: quantitative feasibility study | |
Sharma et al. | Sensing technologies and child–computer interaction: Opportunities, challenges and ethical considerations | |
Varma et al. | Identification of social engagement indicators associated with autism spectrum disorder using a game-based mobile app: comparative study of gaze fixation and visual scanning methods | |
Vrellis et al. | Seeing the unseen: User experience and technology acceptance in Augmented Reality science literacy | |
Wang et al. | Multi-sensor eye-tracking systems and tools for capturing Student attention and understanding engagement in learning: A review | |
McGillion et al. | Postoperative remote automated monitoring and virtual hospital-to-home care system following cardiac and major vascular surgery: user testing study | |
Joshi et al. | Affect-driven learning outcomes prediction in intelligent tutoring systems | |
US20240188893A1 (en) | Play Therapy Interaction and Visualization Apparatus | |
Wang et al. | Attention-based applications in extended reality to support autistic users: a systematic review | |
TWI831178B (zh) | 注意力不足過動症的分析裝置、診斷系統及分析方法 | |
TW201913546A (zh) | 心理與行為狀態評量暨診斷方法及系統 | |
KR101878359B1 (ko) | 정보기술을 이용한 다중지능 검사 장치 및 방법 | |
Khosravi et al. | Learning enhancement in higher education with wearable technology | |
Wang et al. | Assessing user mental workload for smartphone applications with built-in sensors | |
TWI793457B (zh) | 注意力缺陷虛擬實境自動化診斷方法與系統 | |
US20240225504A1 (en) | Analysis apparatus, diagnostic system and analysis method for ADHD | |
TWI817074B (zh) | 認知協調訓練裝置及系統 | |
KR20150078057A (ko) | 학습 프로그램을 이용한 다중지능 검사 방법 | |
Artiran et al. | Analysis of Gaze, Head Orientation and Joint Attention in Autism with Triadic VR Interviews |