[发明专利]基于婴儿动态姿态估计的脑性瘫痪早期筛查系统、设备及存储介质

权利要求书

1.一种基于婴儿动态姿态估计的脑性瘫痪早期筛查系统，其特征在于，包括：

健康婴儿特征空间获取模块，用于获取由无脑瘫健康婴儿的婴儿动态姿态特征序列构建的特征空间；

婴儿视频获取模块，用于获取待筛查婴儿处于无遮挡地仰卧位并进行自主运动的待检视频片段；

静态姿态特征提取模块，用于通过经过预先训练的婴儿仰卧位姿态估计模型逐帧提取所述待检视频片段中的婴儿姿态信息，并对每一帧婴儿姿态信息进行编码得到对应的婴儿静态姿态特征；所述婴儿仰卧位姿态估计模型由预训练的人体姿态估计模型在婴儿仰卧位姿态估计数据集上微调后得到，所述婴儿仰卧位姿态估计数据集由经过关节点标注的仰卧位姿态婴儿运动视频的关键帧组成；

动态姿态特征提取模块，用于将所述待检视频片段中每一帧的婴儿静态姿态特征作为输入，由预先训练的婴儿动态姿态特征提取网络编码整个待检视频片段，得到该待检视频片段中综合时序信息后的婴儿动态姿态特征序列；

异常检测模块，用于在所述特征空间中对所述待检视频片段的婴儿动态姿态特征序列进行异常检测，输出视频中的婴儿患有脑瘫风险的检测结果；

所述异常检测模块中，进行异常检测的具体步骤如下：

首先，使用一个高维的高斯分布p(x；μ,∑)拟合所述特征空间中所有无脑瘫健康婴儿的婴儿动态姿态特征序列的分布：

其中，x∈Rⁿ为婴儿动态姿态特征序列，μ∈Rⁿ为n维高斯分布的均值向量，∑∈R^n×n为n维高斯分布的协方差矩阵；参数μ与∑通过拟合得到的估计值为：

其中，x⁽ⁱ⁾为第i个健康婴儿的婴儿动态姿态特征序列，m为所述特征空间中婴儿动态姿态特征序列的总数；

然后，对于所述待检视频片段的婴儿动态姿态特征序列x^*，计算其在健康婴儿动态姿态分布中的概率密度值：

最后，根据计算得到的概率密度值p(x^*)进行风险判断，若p(x^*)小于阈值ε，则认为此待检视频片段中的婴儿有患脑性瘫痪的风险，否则认为此待检视频片段中的婴儿为不患有脑瘫的正常婴儿。

2.如权利要求1所述的基于婴儿动态姿态估计的脑性瘫痪早期筛查系统，其特征在于，所述健康婴儿特征空间获取模块中，所述特征空间的获取方法如下：

S1：获取健康婴儿视频数据集，数据集中每一段视频片段样本中婴儿年龄满足预设年龄区间，属于不患有脑瘫的健康婴儿，且婴儿需在视频中无遮挡地呈仰卧位并进行自主运动；

S2：对所述健康婴儿视频数据集中的每一段视频片段样本进行抽帧处理，从中随机挑选部分关键帧，对每一帧关键帧中的婴儿关节点进行标注形成带有婴儿姿态信息的标注帧；基于每个视频片段样本的标注帧，构建得到所述婴儿仰卧位姿态估计数据集；在所述婴儿仰卧位姿态估计数据集上微调一个预训练的人体姿态估计模型，获得所述婴儿仰卧位姿态估计模型；

S3：利用所述婴儿仰卧位姿态估计模型逐帧提取所述健康婴儿视频数据集中每一段视频片段样本中的婴儿姿态信息，并对每一帧婴儿姿态信息进行编码得到这一帧的婴儿静态姿态特征；

S4：对于所述健康婴儿视频数据集中的每一个视频片段样本，将视频片段样本中每一帧的婴儿静态姿态特征作为输入，通过所述婴儿动态姿态特征提取网络编码整个视频片段样本，构建一个综合了时序信息的婴儿动态姿态特征序列；以自监督的方式通过掩码重建任务训练婴儿动态姿态特征提取网络，得到所述预先训练的婴儿动态姿态特征提取网络；

S5：使用所述预先训练的婴儿动态姿态特征提取网络对所述健康婴儿视频数据集中所有视频片段样本逐个进行编码，获得每个视频片段样本各自对应的婴儿动态姿态特征序列，从而形成用于通过异常检测筛查婴儿患有脑瘫风险的所述特征空间。