[發明專利]一種基于馬氏距離的步態分類與量化方法

有效

• 申請號: 201910853832.0
• 申請日: 2019-09-10
• 公開（公告）號: CN110575177B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 楊尚明;劉勇國;李巧勤;陳智;劉朗;曹晨;傅翀
• 申請（專利權）人: 電子科技大學
• 主分類號: A61B5/11
• 分類號: A61B5/11
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 馬超前

本發明屬于三維步態分析技術領域，公開了一種基于馬氏距離的步態分類與量化方法，包括：以正常關節角度為參考模板，計算樣本j第i個關節角度異常指標dist^i，j；計算樣本各關節角度異常指標，將樣本j各關節角度的異常指標dist^1，j，...，dist^N，j組合成向量，作為樣本j的異常指標向量dist^j＝(dist^1，j，...，dist^N，j)；學習各關節角度之間的相關性，得到馬氏矩陣∑，計算樣本異常指標向量dist^j與正常人參考步態向量之間的馬氏距離，得到樣本整體步態異常指標；以樣本j的異常指標向量dist^j作為樣本的特征向量，結合馬氏矩陣∑，使用SVM分類器對樣本步態進行分類。

技術領域

本發明屬于三維步態分析技術領域，尤其涉及一種基于馬氏距離的步態分類與量化方法。

背景技術

目前，最接近的現有技術：直接計算序列距離的方法，基于步態特征的方法，基于主成分分析的方法。三維步態分析是一種根據生物力學原理，使用紅外攝像技術和計算機技術，檢測、記錄人體步行時軀干及相關關節運動等數據，分析樣本步行功能障礙的一種技術。相比于傳統的步態分析方法，三維步態分析技術能夠獲得精確的下肢關節角度數據，發現導致樣本運動功能障礙的關鍵原因，評價步態異常程度，廣泛應用于腦卒中、腦癱、帕金森等疾病的步態分析，為制定康復目標和康復方案提供依據。

評定師通常依據生物力學相關知識對樣本步態數據進行分析，主觀評價其步態異常程度、判斷康復效果。但是面對高維的步態數據，評定師通常需要花費大量時間進行分析，且分析結果易受主觀影響，難以直觀了解樣本整體步態情況。因此，需要一種客觀評價樣本步態異常程度的方法。

機器學習技術能夠量化異常步態和正常步態的差異，實現客觀、準確和高效的步態數據分析。現有基于機器學習技術的步態分析主要有三種：第一類方法是直接計算序列距離：分別計算每個關節序列數據和正常人之間的歐式距離，得到單個關節的步態異常指標，并對各關節異常指標求和，得到整體步態異常指標；第二類是基于步態特征的方法：計算步速、平均骨盆傾角和骨盆傾角范圍等步態特征，然后計算樣本與正常人步態特征之間的歐式距離，得到整體步態異常指標；第三類是基于主成分分析的方法：計算步態序列數據的主成分，使用樣本步態主成分和正常人步態主成分之間的歐式距離，得到整體步態異常指標。

目前常用的三類步態分析方法存在如下問題：

直接計算序列距離的方法雖然能夠同時得到關節角度和整體步態的異常信息，但是在計算整體步態異常指標時忽略了關節角度之間的相關性。例如對于腦卒中樣本，由于其大腦功能受損，導致運動功能障礙，會造成步態異常，因此樣本髖關節和膝關節可能都出現異常。若直接將髖關節和膝關節的異常程度相加作為樣本的步態異常指標，忽略兩者之間的相關性，則會過高估計樣本步態異常程度。

基于特征的方法存在如下限制：1)選擇步速、平均骨盆傾角和骨盆傾角等特征，這些特征的設計需要有專業背景知識的人員才能完成；2)擴展性差，人工設計的特征都是針對特定病種，難以擴展到其他疾病；3)需要收集大量的樣本數據才能達到較好的性能；4)只能得到整體步態異常信息，無法得到特定關節的異常信息。

基于主成分分析的方法將所有關節角度序列數據合并為一個高維度向量，然后計算步態數據的主成分作為其特征。因為主成分分析涉及到求解特征值的問題，而一般求解N×N大小矩陣的復雜度為O(N^3)，此部分時間消耗高。因此計算所有關節角度的時間消耗遠遠高于分別計算單個關節角度的復雜度。另外此方法只能得到整體步態異常信息，無法得到特定關節的信息。

此外，上述三種方法在計算樣本步態與正常模板之間的距離時，采用的距離度量方式為歐式距離，歐式距離易受數據尺度的影響，且忽略了屬性之間的相關性，不宜直接用于步態異常程度評價。

綜上所述，現有技術存在的問題是：