评估精神分裂症精神状态的涂色绘画计算机分析方法与流程

本发明属于计算机图像分析
技术领域：
，具体涉及一种评估精神分裂症精神状态的涂色绘画计算机分析方法。
背景技术：
：目前评估精神分裂症的精神状态主要有两个方法：1.精神科医生的精神检查，主要通过精神科医生跟病人的会晤来评判精神分裂症患者病情的变化及当时的精神状态；2.神经心理测验：常见量表有阳性和阴性症状量表(panss)、简明精神病量表(bprs)、阳性症状量表(saps)、阴性症状量表(sans)等，目前临床上使用最为广泛的评估精神分裂症精神症状的量表为panss量表。而基于技术设备实现的辅助诊断精神分裂症的方法很少，在已公开的国内专利文献中，利用关键词“精神分裂”和“计算机”检索得到专利文献仅10篇，其中cn109473170a公开了一种利用认知指标诊断精神分裂症的系统，cn109480864a公开了一种基于神经认知功能与机器学习的精神分裂症自动评估系统，cn109671500a公开了一种基于脑电图时域数据的精神分裂症辅助诊断分类方法。临床上用于诊断精神分裂症的方法存在如下问题：基于症状学的精神检查诊断标准主观性比较强，缺乏客观的实验室证据支持诊断，不同的诊断标准也存在着差异，导致临床应用一致性偏差；神经心理测验也是基于症状学的评估，并且需要专业技术人员进行评估；眼跟踪检查、脑电检测均需要昂贵的仪器、专业的技术人员进行操作及评估，人力成本高，而且眼跟踪检查、脑电检测敏感性及特异性均差；不管是精神检查还是神经心理测验耗时均很长。技术实现要素：有鉴于此，本发明的目的是提供一种评估精神分裂症精神状态的涂色绘画计算机分析方法，以解决现有技术中的不足。为了达到上述目的，本发明的目的是通过下述技术方案实现的：提供一种评估精神分裂症精神状态的涂色绘画计算机分析方法，其中，包括：s1、将患者涂好色的原始图片扫描成预先设定好尺寸的电子图像；s2、使用霍夫变换对电子图像进行笔划分析，包括起笔时的笔划轻重程度和线段笔划距原点的距离；s3、利用卷积神经网络技术来预测panss量表评分，从而评估患者精神状态。上述评估精神分裂症精神状态的涂色绘画计算机分析方法，其中，所述卷积神经网络基于resnet实现，参数选择如下：imageinputlayer224×224×3，convolution2dlayer55×55×8，convolution2dlayer27×27×16，convolution2dlayer13×13×32，averagepooling2dlayer7×7×32，fullyconnectedlayer1×1×1。上述评估精神分裂症精神状态的涂色绘画计算机分析方法，其中，所述卷积神经网络的培训参数为：optimizeradam，maxepochs30，initiallearnrate0.01，minibatchsize128，learnrateschedulepiecewise，learnratedropperiod10，learnratedropfactor0.5，l2regularization0.005。本发明技术方案的有益效果是：从涂色绘画的角度来预测panss量表分，从而评估精神状态，从绘图开始到评估结束，数据分析全程电脑化，不需要专业技术人员的参与，数据真实性及客观性相较于现有技术更好；不需要昂贵的仪器，经济实用，操作性强，操作方便，使用简单，推广性强。附图说明图1为本发明方法流程示意图；图2为本发明霍夫变换的原理参考示意图；图3a至图3d为本发明霍夫变换的比划分析运行效果图。具体实施方式下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。参考图1所示，本发明评估精神分裂症精神状态的涂色绘画计算机分析方法包括：s1、将患者涂好色的原始图片扫描成预先设定好尺寸的电子图像，优选方案中，将涂好色的原始图片扫描成300*300dpi的电子图。s2、使用霍夫变换对电子图像进行笔划分析，包括起笔时的笔划轻重程度和线段笔划距原点的距离。霍夫变换是一种特征检测(featureextraction)，被广泛应用在图像分析(imageanalysis)、计算机视觉(computervision)以及数位影像处理(digitalimageprocessing)。霍夫变换是用来辨别找出物件中的特征，例如：线条。算法流程大致如下：给定一个物件、要辨别的形状的种类，算法会在参数空间(parameterspace)中执行投票来决定物体的形状，而这是由累加空间(accumulatorspace)里的局部最大值(localmaximum)来决定。结合图2所示，本案所采用的霍夫变换的具体算法步骤可以采用如下虚拟代码：进一步地，图3a为参数空间中的一条直线，x轴代表[-90,90]角度区间内的比划角度，y轴代表线段笔划距原点的距离，图3b为通过霍夫变换得到的加速空间，左图为健康人的结果，右图为精神分裂症患者的结果，灰色代表加速空间中具有更大的值，剩余空间则代表值相对较小，更大的值意味着比划的更大几率，图3c为基于不同比较影响所设定的最苛刻阈值p＜0.001，图3d为关联参数，此处仅能显示大于0.3的关联参数。s3、利用卷积神经网络技术来预测panss量表评分，从而评估患者精神状态。优选方案中，卷积神经网络基于resnet实现，resnet通过使用residualunit成功训练152层深的神经网络，resnet的结构可以极快地加速超深神经网络的训练。resnet18网络就是带有权重的18层，包括卷积层和全连接层，网络结构和培训参数分别如表1和表2所示：表1网络结构序列名称输出大小1imageinputlayer224×224×32batchnormalizationlayer3convolution2dlayer55×55×84batchnormalizationlayer()5convolution2dlayer27×27×166batchnormalizationlayer()7convolution2dlayer13×13×328averagepooling2dlayer7×7×329fullyconnectedlayer1×1×110regressionlayer表2培训参数名称值optimizeradammaxepochs30initiallearnrate0.01minibatchsize128learnrateschedulepiecewiselearnratedropperiod10learnratedropfactor0.5l2regularization0.005本发明是一种全新的评估精神状态的方法，从涂色绘画的角度来预测panss量表分，从而评估精神状态；本发明从绘图开始到评估结束，全程不需要专业人员的参与，保证了病患的隐私，对于不愿意至精神科就诊的人群提供了一种可行的评估工具；本发明不需要昂贵的设备，操作方便，使用简单，推广性强；本发明图像分析全程电脑化，数据真实性及客观性更好；本发明涂色绘画具有一定的趣味性，可以提高患者的参与度，且绘画本身对于精神分裂症患者的康复有一定的促进作用，故本发明在辅助诊断的同时也具有一定的促进患者康复的作用。以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。当前第1页1 2 3