[發明專利]一種基于雙向長短時記憶神經網絡的震顫檢測系統

在審

• 申請號: 202010996323.6
• 申請日: 2020-09-21
• 公開（公告）號: CN112075940A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 霍鑫;張黎明;牛慶然;趙輝;章國江;代亞美;馬杰;劉軍考;王洋;孟姣
• 申請（專利權）人: 哈爾濱工業大學;哈爾濱醫科大學
• 主分類號: A61B5/11
• 分類號: A61B5/11;A61B5/00;G06N3/04
• 代理公司: 哈爾濱華夏松花江知識產權代理有限公司 23213
• 代理人: 岳昕

一種基于雙向長短時記憶神經網絡的震顫檢測系統，涉及人工智能領域，針對現有技術中震顫檢測存在準確性低的問題，包括：手部檢測模塊和模型預測模塊；所述手部檢測模塊包括震顫數據采集單元和震顫數據處理單元；所述震顫數據采集單元用于采集手部三軸加速度信號；所述震顫數據處理單元用于將手部三軸加速度信號轉化為手部三軸加速度數據；所述模型預測模塊包括手部震顫數據處理單元和模型訓練單元；所述手部震顫數據處理單元用于對接收到的三軸加速度數據進行處理，得到訓練集和測試集；所述模型訓練單元用于利用訓練集和測試集對模型進行訓練，得到訓練好的模型。本發明用于震顫檢測，檢測效率高。

技術領域

本發明涉及人工智能領域，具體為一種基于雙向長短時記憶神經網絡的震顫檢測系統。

背景技術

手部震顫是常見的臨床表現，見于多種神經系統疾病，包括原發性震顫、帕金森病、心因性震顫、肌張力障礙性震顫、小腦性震顫、代謝性震顫、周圍神經病性震顫、肝豆狀核變性等疾病。雖然不同的疾病中震顫的頻率和幅度不盡相同，如原發性震顫通常振幅低而頻率快(8-10Hz)，帕金森病震顫頻率通常為4-6Hz，但目前對于震顫的檢查方法均易受檢測者主觀因素影響，評估無法做到客觀準確，靈敏度不高，也無法測得微小變化。

近年來機器學習技術的發展，為手部震顫的分析提供了重要的手段。之前人們給出了檢測靜止性震顫的方法，但是對于特定運動過程中震顫的檢測缺乏相關技術手段。監測被測者在日常生活中的震顫信號可以為被測者提供預警，并使被測者加以防范。另外通過機器學習進行預測能夠簡化判斷流程，提高檢測準確度，具有現實意義。

發明內容

本發明的目的是：針對現有技術中震顫檢測存在準確性低的問題，提出一種基于雙向長短時記憶神經網絡的震顫檢測系統。

本發明為了解決上述技術問題采取的技術方案是：

一種基于雙向長短時記憶神經網絡的震顫檢測系統，包括：手部檢測模塊和模型預測模塊；

所述手部檢測模塊包括震顫數據采集單元和震顫數據轉換單元；

所述震顫數據采集單元用于采集手部三軸加速度信號；

所述震顫數據轉換單元用于將手部三軸加速度信號轉化為手部三軸加速度數據；

所述模型預測模塊包括手部震顫數據處理單元和模型訓練單元；

所述手部震顫數據處理單元用于對接收到的三軸加速度數據進行處理，得到訓練集和測試集；

所述模型訓練單元用于利用訓練集和測試集對模型進行訓練，得到訓練好的模型，所述手部震顫數據處理單元的具體步驟為：

步驟一：對接收到的三軸加速度數據進行合格性檢測，剔除不合格的三軸加速度數據，保留合格的三軸加速度數據；

步驟二：將合格的三軸加速度數據裁剪成統一大小；

步驟三：將裁剪后的三軸加速度數據進行數據融合；

步驟四：將數據融合后的數據賦予標簽，分為本身存在震顫和本身不存在震顫兩類數據；

步驟五：將兩類數據拼接成一個完整的數據集；

步驟六：將拼接后數據的順序隨機打亂；

步驟七：對打亂后的數據進行歸一化處理。

進一步的，所述合格性檢測的具體步驟為：

步驟一一：設定一個閾值范圍j；

步驟一二：采集三組手部三軸加速度數據，并得到三組數據的融合加速度；

步驟一三：判斷三組數據融合加速度是否在閾值范圍j內；若在閾值范圍j內，則判定為通過合格性檢查，若不在閾值范圍j內，則判定為未通過合格性檢查。