基于虚拟环境中认知方法与情绪分析的阿尔茨海默病诊断

痴呆是一种以多种认知能力衰退为特征的综合征。阿尔茨海默病（AD）是最常见的痴呆，影响记忆与学习、知觉-运动或执行功能等认知域。高死亡率以及检测、治疗和患者护理的高成本是其后果之一。AD的早期检测被认为对改善患者及其家庭的生活质量极为重要。本论文旨在引入新型非侵入性早期诊断方法，以加快诊断速度、降低相关成本并使其广泛可及。本文引入了基于虚拟环境、结合新型沉浸式技术与先进人机交互（HCI）系统的新型AD筛查测试。四项测试展示了利用虚拟环境可设计的基于认知域损伤的广泛筛查机制。还提出了使用情绪识别来分析AD症状。专门构建了一个新型多模态数据集以凸显AD患者的自传体记忆缺陷。该数据集的数据被用于引入针对脑电图（EEG）和面部图像数据的新型描述子。EEG特征基于四元数以保持传感器间的相关信息，而对于面部表情识别，提出了一种用于运动放大的预处理方法以及基于折纸折痕模式算法的描述子，以增强面部微表情。这些特征已在SVM和Adaboost等分类器上得到验证，用于对自传体刺激（如长期和短期记忆）的反应进行分类。