计算机应用

作者：石超, 周昱昕, 扶倩, 唐万宇, 何凌, 李元媛

单位：1.四川大学 生物医学工程学院，成都 610065；2.四川大学 华西医院心理卫生中心，成都 610041

关键词：注意缺陷多动障碍,动作识别,骨架数据,图卷积网络,3D卷积神经网络

基金：四川省科技计划项目(2023YFS0290)

注意缺陷多动障碍（ADHD）是一种常见于儿童期的神经发育障碍，以注意力不集中、多动和冲动为主要特征，常表现出特定的动作模式。传统的动作识别算法在处理这些特定动作时存在识别准确率低和响应慢等问题。为解决这些问题，提出基于骨架和3D热图的注意缺陷多动障碍患者动作识别算法，并通过高斯分布精确地表示关节点间的空间关系，以有效地保留时空信息。针对单一模态数据的限制，引入基于骨架和3D热图的多模态集成方法。同时，通过融合Short 3D-CNN（3D Convolutional Neural Network）和自适应图卷积网络（AGCN）的输出特征，充分利用两种模态数据的优势，从而提升动作识别性能。在四川大学华西医院心理卫生中心采集的ADHD患者数据集上的实验结果表明，对于8种不同类型的动作，所提算法的Top-1识别准确率为0.860 4，Top-5识别准确率为0.987 3。此外，提出基于动作类型的ADHD自动分型算法，该算法将ADHD分型为头面部体动型、躯干体动型和四肢体动型，它的识别准确率为75%，响应时间为5 s。与2s-AGCN（two-stream AGCN）和PoseConv3D相比，所提算法在复杂动作场景下具有更高的识别精度，为ADHD的个性化干预提供了新的技术手段。

来源：2025年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第9期