基于视觉传感器采集光流特征的精神疾病识别方法

目前，精神疾病的筛查主要依靠临床医生的访谈和问卷进行评估，具有高成本、主观性等问题。本文提出了一种基于视觉传感器采集光流特征的精神疾病识别方法，可以实时监测和预警，以较低的成本和非侵入性的方式来进行精神疾病的辅助筛查。该算法通过视觉传感器全面采集患者的面部数据来提取光流特征，输入TSMOSNet进行训练。TSMOSNet以TSM为基础网络进行改进，替换普通卷积为光流提取头，针对视觉传感器采集而来的光流特征图进行密集采样，并添加了时序注意力模块、DML蒸馏和VideoMix数据增强等方法，增强了视觉特征，以提高精神疾病识别的准确率。实验结果表明，在H7-BDSN数据集上相比于其他方法，本文提出的识别算法在精神疾病的筛查任务中取得了最好的效果，准确率为85%，F1分值为0.84。