[发明专利]一种基于视觉记忆力评估的阿尔兹海默病风险评估方法

说明书

本发明公开了一种基于视觉记忆力评估的阿尔兹海默病风险评估方法，步骤1：所采集阿尔兹海默病患者组与正常人的眼动图像；步骤2、针对每张眼动图像生成注视热点图作为测试图片，生成样本集；步骤3：利用卷积神经网络提取注视热点图特征，构成测试样本特征向量步骤4、得到每张测试图片的内部特征共同表示；步骤5：进行外部模态共同表示提取；步骤6、利用共同特征表示进行二分类，即：将最终提取到的共同特征表示作为全连接网络的输入，进行阿尔兹海默病患者与正常人分别对应的待测试眼动数据二分类处理。与现有技术相比，本发明利用的眼动数据特征更具客观性和便捷性，可有效提升模型检测的准确性以及解决临床数据丢失及不足的难题。

技术领域

本发明属于深度学习以及智能计算技术领域，特别涉及到一种基于视觉记忆力评估的阿尔兹海默病风险评估方法。

背景技术

阿尔茨海默病(Alzheimer’s disease，AD)是一种神经退行性疾病，最初表现为存在潜在神经原纤维缠结和淀粉样斑块病理的记忆丧失。对阿尔茨海默病进行适时的早期检测将有助于克服症状并提高AD患者的生活质量。轻度认知障碍(Mild cognitiveimpairment，MCI)作为阿尔兹海默病的初始症状阶段，是提前发现认知障碍的早期窗口。目前，检测MCI主要通过一般认知筛查量表来检测，例如蒙特利尔认知评估表和小型精神状态检查。尽管此类量表在检测AD中的认知障碍方面取得了一定的成效，但这些筛查方法存在一定的局限性，致使其无法更广泛地被推广。例如，这些测试任务通常需要在训练有素的专业人员的监管下完成，且至少需要10-15分钟的问答，极易导致极大的人力和时间消耗。此外，测试者经常被这些测试中感知到的认知的损害所吓倒，有时甚至会拒绝回答问题，中断测试。

现有研究表明，眼球运动异常是认知能力和记忆力下降的迹象，最终可用于评估AD疾病进展。并且，当前的眼动追踪技术由于其无创性和客观性的优点，已被广泛用于动眼神经功能检测相关研究中。注视热点图作为眼动数据常用的统计形式，可准确直观的反映出测试者的和大脑信息(例如感兴趣区域)及眼动行为。

结合以上两点，如何在利用AD患者眼动数据的异常信息，完成认知与记忆力损伤的评估，并最终用于AD的风险预测是需要解决的一个研究难题。

发明内容

本发明的目的是提供一种基于视觉记忆力评估的阿尔兹海默病风险评估方法，利用深度学习算法提取图像特征并完成阿尔兹海默病(AD)的智能检测方法，基于测试者在完成记忆力测试时的注视热点图数据，引入自动编解码器和对抗网络利用的眼动数据特征，实现阿尔兹海默病数据的智能分析。

本发明利用以下技术方案实现：

一种基于视觉记忆力评估的阿尔兹海默病风险评估方法，该方法包括以下步骤：

步骤1：对所采集阿尔兹海默病患者组与正常人在完成视觉记忆力测试任务期间的眼动图像进行注视点坐标估计，在眼动图像中形成注视点轨迹；

步骤2、针对每张眼动图像生成注视热点图作为测试图片，同时剔除干扰数据，生成样本集：其中，分别表示第i位测试者第一次和第二次观看第v张图片的注视热点图，y表示N个样本的标签集合，y_i＝0表示样本i为Normal，y_i＝1表示样本i为阿尔兹海默病患者；V张测试图片视为V个外部模态v∈(1,2，...,V)，针对每个外部模态，同一个测试者第一次的观看测试图片和第二次的观看测试图片分别作为两个内部模态f,s；

步骤3：利用卷积神经网络提取注视热点图特征，构成测试样本特征向量表示如下：

其中，f_vgg(·)为基于VGG16的特征提取器，由两个全连接层及一个平均池化层构成，θ_vgg为网络层参数，m为内部模态指示器，m∈{f,s}，m＝f代表第一次观看，m＝s代表第二次观看；