# pythonkechengsheji **Repository Path**: duan-qi-rui/pythonkechengsheji ## Basic Information - **Project Name**: pythonkechengsheji - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-06-12 - **Last Updated**: 2025-06-12 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 基于时序行为特征的孤独症智能识别系统 ## 项目概述 这是一个基于深度学习的自闭症谱系障碍(ASD)与典型发育(TD)儿童识别系统。该系统通过分析眼动轨迹和表情变化等时序行为特征,使用LSTM深度神经网络来区分ASD和TD儿童,为自闭症早期筛查提供智能化辅助诊断工具。 ## 项目结构 ``` ├── ASD/ # 包含ASD儿童的CSV数据文件 ├── TD/ # 包含TD儿童的CSV数据文件 └── pythonkechengsheji.py # 主要的系统代码 ``` ## 功能特点 - 深度学习模型:采用三层LSTM网络处理时序行为数据 - 多模态分析:融合视线轨迹和表情特征进行综合分析 - 自动数据处理:支持数据标准化、缺失值处理和序列长度调整 - 模型评估:使用准确率、分类报告和混淆矩阵等多种评估指标 - 结果可视化:依次展示损失曲线、准确率曲线、混淆矩阵和模型权重分布 - 优化训练:使用早停策略和学习率调度提高训练效果 ## 数据格式 输入数据应为CSV格式,包含以下列: - `Gaze_X`:视线X坐标 - `Gaze_Y`:视线Y坐标 - `Expression`:表情数据 ## 使用方法 ```python # 初始化系统 system = ASDDiagnosisSystem(sequence_length=2000) # 加载数据 data_list, labels = system.load_data() # 预处理数据 X, y = system.preprocess_data(data_list, labels) # 划分数据集 X_train, X_test, y_train, y_test = system.split_data(X, y) # 构建和训练模型 system.build_model(input_shape) history = system.train_model(X_train, y_train, X_test, y_test) # 评估模型 accuracy, report, cm, y_pred_prob = system.evaluate_model(X_test, y_test) # 可视化结果 system.plot_results(history, cm) ``` ## 模型架构 系统采用深度LSTM网络架构: 1. 第一层LSTM:128个单元,批归一化和30%的Dropout 2. 第二层LSTM:64个单元,批归一化和30%的Dropout 3. 第三层LSTM:32个单元,批归一化和30%的Dropout 4. 全连接层:64和32个神经元,ReLU激活 5. 输出层:Sigmoid激活函数用于二分类 ## 可视化图表 系统提供四种可视化图表,依次展示: 1. 损失函数曲线:展示模型在训练过程中损失值的变化,帮助判断模型是否过拟合或欠拟合 2. 准确率曲线:展示模型在训练过程中准确率的变化,直观反映模型性能 3. 混淆矩阵:展示模型预测结果的详细分布,包括真阳性、假阳性、真阴性和假阴性 4. 学习率变化或模型权重分布:展示训练过程中的学习率调整或模型内部权重分布 ## 系统要求 - Python 3.6+ - pandas - numpy - tensorflow - scikit-learn - matplotlib - seaborn ## 注意事项 - 数据文件需放置在对应的ASD和TD文件夹中 - 每个样本至少需要100帧数据 - 支持自动处理缺失值 - 如无数据文件,系统会自动生成示例数据进行演示 ## 个人信息 - 姓名:段祺瑞 - 班级:1班 - 专业:智能科学与技术 - 年级:23级 - 学号:202352320120