[發(fā)明專利]一種基于生成對抗網絡多模態(tài)平衡障礙量化評估方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010033833.3
• 申請日: 2020-01-13
• 公開（公告）號: CN111134670A
• 公開（公告）日: 2020-05-12
• 發(fā)明（設計）人: 李修寒;吳小玲;王偉
• 申請（專利權）人: 南京醫(yī)科大學
• 主分類號: A61B5/0488
• 分類號: A61B5/0488;A61B5/11;A61B5/103;A61B5/00;G06K9/00;G06K9/62
• 代理公司: 北京卓嵐智財知識產權代理事務所(特殊普通合伙) 11624
• 代理人: 蔣真

1.一種基于生成對抗網絡多模態(tài)平衡障礙量化評估方法，其方法包括如下步驟：

S1、采集獲取下肢平衡多模態(tài)參數；

S2、將平衡障礙分級分為四級，分別為Ⅰ級、Ⅱ級、Ⅲ級和Ⅳ級；

S3、將采集的平衡多模態(tài)參數按照平衡障礙分級類別分別標注；

S4、抽取訓練集，訓練時將某類樣本歸為一類,其余樣本歸為另一類，共有四個訓練集；

S5、使用四個訓練集分別進行訓練，然后的得到四個訓練結果文件。

2.根據權利要求1所述的基于生成對抗網絡多模態(tài)平衡障礙量化評估方法，其特征在于：所述S1中，采集獲取下肢平衡多模態(tài)參數的方法包括肌電信號處理及特征提取方法、動作捕捉特征提取方法和人體足底壓力中心特征提取方法。

3.根據權利要求2所述的基于生成對抗網絡多模態(tài)平衡障礙量化評估方法，其特征在于：所述肌電信號處理及特征提取方法包括如下步驟：

S1.1、利用經驗模態(tài)分解對表面肌電信號進行去基線、去噪；

S1.2、利用基本尺度熵來對表面肌電信號進行特征提取。

4.根據權利要求2所述的基于生成對抗網絡多模態(tài)平衡障礙量化評估方法，其特征在于：所述動作捕捉特征提取方法包括如下步驟：

S2.1、利用動作捕捉系統(tǒng)(多點)獲得人體相應節(jié)點三維坐標；

S2.2、對關鍵部位的三維坐標進行一階特征、二階特征的推導。

5.根據權利要求2所述的基于生成對抗網絡多模態(tài)平衡障礙量化評估方法，其特征在于：所述人體足底壓力中心特征提取方法包括如下步驟：

S3.1、軌跡面積計算；

S3.2、左右重心分布比和前后重心分布比計算；

S3.3、COP的軌跡長度計算，其計算公式如下：

COP的左右軌跡長度計算公式：

COP的前后軌跡長度計算公式：

x、y為壓力中心的坐標值，n＝采樣頻率×t；

S3.4、動搖徑計算，其公式為：

Dx＝xmax-xmin；

Dy＝y(tǒng)max-ymin；

其中xmax指的是壓力中心在橫軸正向的最大偏移，而xmin指的是壓力中心在橫軸反方向的最大偏移；ymax和ymin分別代表壓力中心在縱軸正向和反向的最大偏移。

6.根據權利要求1所述的基于生成對抗網絡多模態(tài)平衡障礙量化評估方法，其特征在于：所述S4中，抽取訓練集的方法包括有：

1)、Ⅰ級所對應的數據作為正集，Ⅱ級、Ⅲ級和Ⅳ級所對應的數據作為負集；

2)、Ⅱ級所對應的數據作為正集，Ⅰ級、Ⅲ級和Ⅳ級所對應的數據作為負集；

3)、Ⅲ級所對應的數據作為正集，Ⅰ級、Ⅱ級和Ⅳ級所對應的數據作為負集；

4)、Ⅳ級所對應的數據作為正集，Ⅰ級、Ⅱ級和Ⅲ級所對應的數據作為負集。

7.根據權利要求6所述的基于生成對抗網絡多模態(tài)平衡障礙量化評估方法，其特征在于：所述S5中，訓練集分別進行訓練的方法包括如下步驟：

S4.1、建立四個生成器G，分別對應Ⅰ級、Ⅱ級、Ⅲ級和Ⅳ級，并將每級的負集數據輸入對應的生成器G內；

S4.2、建立四個判別器D，分別對應Ⅰ級、Ⅱ級、Ⅲ級和Ⅳ級，并將每級的正集數據輸入對應的判別器D內；

S4.3、生成器G采用多層感知機的網絡結構，用MLP的參數來表示可導映射G(z)；

S4.4、判別器D采用帶有參數的多層感知機，記為D(x)；

S4.5、優(yōu)化目標函數，函數V(G,D)表示最終優(yōu)化目標公式如下：

8.一種基于生成對抗網絡多模態(tài)平衡障礙量化評估系統(tǒng)，包括：

參數采集模塊：用于采集獲取下肢平衡多模態(tài)參數；

分級模塊：用于將平衡障礙分級分為四級；

標注模塊：用于將采集的平衡多模態(tài)參數按照平衡障礙分級類別進行標注；

抽取訓練集模塊：用于對參數進行抽取，并建立訓練集；

訓練模塊：用于對訓練集進行生成對抗網絡訓練。