基于fNIRS信号与可穿戴设备的儿童自闭症识别方法及系统

1.基于fNIRS信号与可穿戴设备的儿童自闭症识别方法,其特征在于:包括以下步骤:S1、通过fNIRS智能头盔采集儿童前额的多波段近红外脑血流信号作为原始fNIRS信号,同时通过集成加速度传感器同步获取头部运动数据;S2、利用边缘计算芯片对所述原始fNIRS信号执行运动伪迹消除处理,获取预处理fNIRS信号,将预处理fNIRS信号输入基于头部运动数据构建的自适应滤波模型,生成fNIRS信号,最后通过滑动时间窗分割fNIRS信号,提取时域信号斜率、频域小波能量熵及通道间功能连接矩阵;S3、构建双流神经网络模型,将所述时域信号斜率和频域小波能量熵输入双流神经网络的第一分支卷积层,获取第一输出,同时将所述通道间功能连接矩阵输入第二分支图卷积层,获取第二输出,将第一输出和第二输出通过特征融合层进行融合,获取融合特征,并利用通道注意力机制对融合特征进行加权处理,输出自闭症风险概率值;双流神经网络模型的构建方法为:第一分支采用预设层数的1D卷积神经网络处理时域信号斜率与频域小波能量熵,每层卷积后接批归一化与ReLU激活,第二分支采用3层图卷积神经网络处理通道间功能连接矩阵,图结构以脑区空间拓扑为邻接约束,双分支输出通过特征融合层的全连接网络进行张量拼接,末端嵌入通道注意力模块,通过知识蒸馏技术迁移云端大模型能力至边缘端部署;第一分支卷积层的操作过程为:将时域信号斜率与频域小波能量熵拼接为二维特征向量,输入首层卷积核数为32的1D卷积层进行局部模式提取,第二层卷积核扩增至64以捕获长程依赖,第三层采用空洞卷积扩大感受野,末层通过全局平均池化压缩特征维度,输出表征脑血流时频演化规律的第一特征向量,将其作为第一输出;第二分支图卷积层的操作过程为:以通道间功能连接矩阵作为图结构邻接矩阵,节点特征初始化为各通道小波能量熵,首层图卷积聚合一阶邻域节点特征并更新节点状态,第二层引入多头注意力机制加权重要邻域特征,末层通过图池化操作生成表征脑功能网络拓扑特性的第二特征向量,将其作为第二输出;将第一特征向量与第二特征向量输入特征融合层,通过全连接网络学习时频特征与拓扑特征的交叉关联,输出融合特征向量,通道注意力机制以融合向量为输入,生成各特征维度的权重系数,对高权重特征进行强化后输入Sigmoid激活层,将特征空间映射至[0,1]区间生成自闭症风险概率值,其中自闭症风险概率值大于预设阈值时触发高风险预警;S4、根据所述自闭症风险概率值生成自闭症筛查等级报告,并传输至移动终端进行可视化显示。 2.根据权利要求1所述的基于fNIRS信号与可穿戴设备的儿童自闭症识别方法,其特征在于:所述利用边缘计算芯片对所述原始fNIRS信号执行运动伪迹消除处理,具体包括:基于头部运动数据提取三轴加速度及角速度数据,将其输入运动特征提取模块生成头部运动强度指标和运动频率谱,根据运动强度指标对原始fNIRS信号划分信号干扰等级,针对不同干扰等级调用预置的滤波参数库,并采用自适应加权最小二乘算法构建运动伪迹模板,将所述运动伪迹模板从原始fNIRS信号中实时剔除,获取预处理fNIRS信号,其中滤波参数库通过儿童头部运动模拟实验预先标定。 3.根据权利要求2所述的基于fNIRS信号与可穿戴设备的儿童自闭症识别方法,其特征在于:所述自适应滤波模型的构建过程,具体包括:从头部运动数据中提取头部运动强度指标,作为输入特征,通过多层感知机网络学习特征与预处理fNIRS信号中的伪迹成分的映射关系,所述映射关系为随头部运动状态动态变化的对应关系,并在网络隐含层嵌入运动频率谱的频谱注意力机制,分配不同频段运动噪声的抑制权重,输出层生成滤波系数矩阵,所述滤波系数矩阵通过边缘计算芯片的硬件加速器实时更新,实现运动噪声消除与生理信号保留的协同优化。 4.根据权利要求3所述的基于fNIRS信号与可穿戴设备的儿童自闭症识别方法,其特征在于:所述生成fNIRS信号的具体步骤为:将预处理fNIRS信号输入自适应滤波模型,在边缘计算芯片的专用信号处理核中执行矩阵卷积运算,其中卷积核参数由所述滤波系数矩阵配置,通过滑动时间窗截取预处理fNIRS信号的信号段与卷积核进行时域卷积,输出通道分离的降噪信号,最后融合各降噪信号并执行标准化处理,生成经过处理后的fNIRS信号。 5.根据权利要求4所述的基于fNIRS信号与可穿戴设备的儿童自闭症识别方法,其特征在于:所述提取时域信号斜率、频域小波能量熵及通道间功能连接矩阵的操作,具体包括:对fNIRS信号采用滑动时间窗分割,窗口长度根据脑血流信号生理周期自适应调整,时域信号斜率通过计算窗内相邻采样点的差分均值获得,频域小波能量熵采用Daubechies小波基进行分解,提取预设频段子带系数的信息熵特征作为频域小波能量熵,通道间功能连接矩阵通过计算所有信号通道间的相位锁定值构建,矩阵更新频率与滑动窗口同步。 6.一种用于实现包括权利要求1-5中任意一项所述的基于fNIRS信号与可穿戴设备的儿童自闭症识别方法的系统,其特征在于,包括:信号采集单元(1)由柔性fNIRS智能头盔构成,配置为通过环形阵列排布的近红外光源与光电探测器采集儿童前额叶及颞叶皮层的多波段脑血流信号,并同步通过集成加速度传感器捕获头部三轴运动数据;边缘处理单元(2)内置专用硬件加速器,配置为执行运动伪迹消除与自适应滤波,基于头部运动强度指标调用预置滤波参数库生成运动伪迹模板,通过矩阵卷积运算实时剔除原始fNIRS信号中的噪声,输出降噪后的fNIRS信号;智能分析单元(3)部署双流神经网络模型,包含并行工作的1D卷积分支与图卷积分支,配置为处理时域信号斜率、频域小波能量熵及通道间功能连接矩阵三类特征,通过特征融合层整合双路输出,并利用通道注意力机制加权关键维度生成自闭症风险概率值;交互输出单元(4)配置为将风险概率值转化为筛查等级报告,通过低功耗蓝牙传输至移动终端可视化显示,同时触发高风险预警并加密存储原始数据。