[發(fā)明專利]一種基于誤差反向傳播算法的手繪圖形分類方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110544233.8
• 申請(qǐng)日: 2021-05-19
• 公開（公告）號(hào): CN113240018B
• 公開（公告）日: 2023-02-03
• 發(fā)明（設(shè)計(jì)）人: 張黎明;代亞美;趙輝;王勛;林靜涵;王洋;孟姣;牛慶然;章國(guó)江;霍鑫
• 申請(qǐng)（專利權(quán)）人: 哈爾濱醫(yī)科大學(xué);哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06V10/82;G06N3/0499;G06N3/084
• 代理公司: 黑龍江立超同創(chuàng)知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 23217
• 代理人: 楊立超

一種基于誤差反向傳播算法的手繪圖形分類方法及系統(tǒng)，涉及神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，用以解決現(xiàn)有技術(shù)不能對(duì)手繪圖像數(shù)據(jù)進(jìn)行有效分類的問(wèn)題。本發(fā)明的技術(shù)要點(diǎn)包括：設(shè)計(jì)一個(gè)或多個(gè)規(guī)則圖形描繪模板；根據(jù)規(guī)則圖形描繪模板獲取手繪圖像數(shù)據(jù)；對(duì)手繪圖像數(shù)據(jù)進(jìn)行預(yù)處理；構(gòu)建并訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型；將待分類手繪圖像數(shù)據(jù)輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型，獲取分類結(jié)果。本發(fā)明可以區(qū)分出書寫軌跡之間細(xì)微的差異，對(duì)于書寫者是否存在震顫的劃分更為精準(zhǔn)。本發(fā)明可應(yīng)用于臨床醫(yī)療上以判斷患者手部是否存在震顫。

技術(shù)領(lǐng)域

本發(fā)明涉及神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體涉及一種基于誤差反向傳播算法的手繪圖形分類方法及系統(tǒng)。

背景技術(shù)

手寫運(yùn)動(dòng)作為一種由人類高級(jí)神經(jīng)系統(tǒng)主導(dǎo)控制的活動(dòng)，依賴于大腦多個(gè)部位的參與，以及肌肉、骨骼系統(tǒng)的協(xié)調(diào)配合。手寫過(guò)程從肌肉活動(dòng)層面來(lái)看，是由多個(gè)肌群通過(guò)連續(xù)和相互重疊的協(xié)調(diào)活動(dòng)共同完成。一側(cè)肢體或手部的震顫有時(shí)會(huì)影響書寫，如帕金森病患者和腦型肝豆?fàn)詈俗冃曰颊呔嬖谡痤澬詴鴮憽Ｊ植空痤澘梢娪诙喾N神經(jīng)系統(tǒng)疾病，如原發(fā)性震顫、帕金森病、肝豆?fàn)詈俗冃浴⒓埩φ系K性震顫、小腦性震顫等疾病。目前臨床上多應(yīng)用書寫和筆跡量表進(jìn)行評(píng)估，缺乏客觀性且不能反映患者手部震顫情況。有人提出用手繪規(guī)則圖形來(lái)識(shí)別測(cè)試者是否存在手部震顫，但通過(guò)手繪規(guī)則圖形識(shí)別測(cè)試者是否存在手部震顫最關(guān)鍵的地方在于如何對(duì)手繪圖像數(shù)據(jù)進(jìn)行有效分類。然而現(xiàn)有技術(shù)中沒(méi)有人對(duì)此進(jìn)行過(guò)詳細(xì)研究。

發(fā)明內(nèi)容

鑒于以上問(wèn)題，本發(fā)明提出一種基于誤差反向傳播算法的手繪圖形分類方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)不能對(duì)手繪圖像數(shù)據(jù)進(jìn)行有效分類的問(wèn)題。

根據(jù)本發(fā)明一方面，提出一種基于誤差反向傳播算法的手繪圖形分類方法，該方法包括以下步驟：

步驟一、設(shè)計(jì)一個(gè)或多個(gè)規(guī)則圖形描繪模板；

步驟二、通過(guò)描繪規(guī)則圖形描繪模板得到多組手寫軌跡數(shù)據(jù)，將所述手寫軌跡數(shù)據(jù)進(jìn)行數(shù)字化處理，獲取手繪圖像數(shù)據(jù)；其中，所述手寫軌跡數(shù)據(jù)包括對(duì)應(yīng)手部存在震顫的異常軌跡數(shù)據(jù)和對(duì)應(yīng)手部不存在震顫的正常軌跡數(shù)據(jù)；

步驟三、對(duì)所述手繪圖像數(shù)據(jù)進(jìn)行預(yù)處理；

步驟四、根據(jù)所述手寫軌跡數(shù)據(jù)中手寫軌跡的細(xì)節(jié)特征構(gòu)造BP神經(jīng)網(wǎng)絡(luò)模型；

步驟五、將所述手繪圖像數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)，根據(jù)訓(xùn)練數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型；

步驟六、將測(cè)試數(shù)據(jù)輸入訓(xùn)練得到的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分類，將測(cè)試數(shù)據(jù)分類正確率與預(yù)設(shè)正確率閾值進(jìn)行比較，如果測(cè)試數(shù)據(jù)分類正確率小于預(yù)設(shè)正確率閾值，則修改訓(xùn)練參數(shù)重新訓(xùn)練直至測(cè)試數(shù)據(jù)分類正確率達(dá)到或超過(guò)預(yù)設(shè)正確率閾值，保存訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型及參數(shù)；

步驟七、將待分類手寫軌跡數(shù)據(jù)進(jìn)行數(shù)字化處理后獲取待分類手繪圖像數(shù)據(jù)，將待分類手繪圖像數(shù)據(jù)輸入上述訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型中，獲得分類結(jié)果。

進(jìn)一步地，步驟一中所述規(guī)則圖形描繪模板包括阿基米德線、矩形、正五邊形以及正六邊形四種模板，且所述規(guī)則圖形描繪模板上有定位點(diǎn)。

進(jìn)一步地，步驟二中設(shè)置阿基米德線模板的描繪周期為6π，矩形、正五邊形與正六邊形模板的描繪周期為5個(gè)周長(zhǎng)。

進(jìn)一步地，步驟三的具體過(guò)程包括：

步驟三一、首先對(duì)手繪圖像數(shù)據(jù)根據(jù)定位點(diǎn)進(jìn)行校正，使手寫軌跡處在水平和豎直的標(biāo)準(zhǔn)線上；

步驟三二、記錄每種模板的長(zhǎng)寬，將手繪圖像數(shù)據(jù)按照每種模板的長(zhǎng)寬進(jìn)行剪裁，使每個(gè)手繪圖像數(shù)據(jù)具有特定的大小；

步驟三三、剔除明顯存在異常的手繪圖像數(shù)據(jù)，對(duì)保留的手繪圖像數(shù)據(jù)設(shè)置標(biāo)簽，并進(jìn)行歸一化處理。