[發明專利]一種基于足底壓力的集成K近鄰帕金森病定量診斷系統

有效

• 申請號: 202110782848.4
• 申請日: 2021-07-12
• 公開（公告）號: CN113545771B
• 公開（公告）日: 2022-10-28
• 發明（設計）人: 曹軍義;趙歡;王瑞雪;殷志成;謝俊梟;雷亞國
• 申請（專利權）人: 西安交通大學
• 主分類號: A61B5/103
• 分類號: A61B5/103;A61B5/00;G06K9/00;G06K9/62;G16H50/20;G06V40/10;G06V10/764;G06V40/20;G06V10/774
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 賀建斌

一種基于足底壓力的集成K近鄰帕金森病定量診斷系統，包括信號采集預處理、特征提取、訓練學習輸出模塊；信號采集預處理模塊獲取帕金森病人及健康人壓力信號，預處理得到信號片段；特征提取模塊進行足底壓力特征提取，先進行標準化，其次確定截取步長，再確定足底壓力特征種類以及特征集；訓練學習輸出模塊對K近鄰分類模型進行訓練，從訓練特征集中獲取部分特征作為K近鄰分類算法的輸入，形成多個K近鄰基分類器，計算每個K近鄰基分類器的輸出性能，計算得到每個K近鄰基分類器的權值，完成集成學習，以最大輸出概率的標簽作為足底壓力信號對應的健康狀態，完成帕金森病定量診斷；本發明高效、智能完成帕金森病患者疾病程度的定量診斷。

技術領域

本發明屬于帕金森病診斷技術領域，具體涉及一種基于足底壓力的集成K近鄰帕金森病定量診斷系統。

背景技術

隨著社會老齡化現象加劇，帕金森病等常見老年病患者人數劇增。作為繼腫瘤、心腦血管病之后中老年人的“第三殺手”，帕金森病的診療受到各個領域專家的廣泛關注。但其早期癥狀隱匿，在尚未出現典型臨床癥狀時，患者已出現神經系統退行性病變，且其病程呈進展性發展，因而需要定量診斷以為臨床治療提供支撐。國際較為常用的統一帕金森病評定量表為UPDRS量表，通過醫生對患者的觀察來對帕金森病進行正常、輕度、中等、嚴重以及極度嚴重的程度評估，這些方法對帕金森病嚴重程度的評估具有一定的可信度和有效性，但是主觀性強，無法對疾病進行準確地統一評估。正常行走過程中的足底壓力作為觀測數據，具有非侵入、干擾小、舒適性高等優點，可成為評估帕金森病人疾病嚴重程度以及發展的基本特征來源數據。作為一種經典的模式分類方法，K近鄰方法能夠根據已有經驗數據，進行數據的識別與分類。由于其結構和算法相對簡單等優點被廣泛應用于語音、圖像等多個領域。

然而，傳統的K近鄰算法應用于帕金森病定量診斷時存在如下兩個問題。(1)人類健康個體自身差異顯著，受生活習慣、職業、教育程度等影響，不同個體呈現出不同的足底壓力變化趨勢，此外，病理表征受環境因素影響也復雜多變，使得健康群體以及帕金森病患者群體的差異淹沒于個體自身的差異中，從而診斷精度降低；(2)在實際臨床診斷過程中健康樣本以及輕度疾病患者的樣本數量巨大，然而疾病嚴重的患者步態數據樣本量及其稀少，這種分布非常不均衡的數據無法學習得到一個可靠的、足以表征整個故障數據分布的K近鄰分類模型，最終導致較低的診斷精度，難以獲得良好的診斷效果。

發明內容

為了克服上述現有技術的缺點，本發明的目的在于提出一種基于足底壓力的集成K近鄰帕金森病定量診斷系統，能夠高效、智能地完成可穿戴背景下帕金森病患者疾病程度的定量診斷。

為了達到上述目的，本發明采取的技術方案為：

一種基于足底壓力的集成K近鄰帕金森病定量診斷系統，包括信號采集預處理模塊、特征提取模塊、訓練學習輸出模塊；

信號采集預處理模塊：獲取帕金森病人以及健康人正常行走過程中足底不同位置的壓力信號，組成足底壓力信號集對足底壓力信號進行預處理，得到信號片段；

特征提取模塊：進行步態特征提取，首先對信號片段進行標準化，其次確定截取信號片段的步長I_train，再確定足底壓力特征種類以及特征集；

訓練學習輸出模塊：對K近鄰分類模型進行訓練，多次從訓練特征集中獲取部分特征作為K近鄰分類算法的輸入，形成多個不同的K近鄰基分類器；計算每個K近鄰基分類器的輸出性能g_m和F1_m；

根據每個基分類器的g_m和F1_m計算每個K近鄰基分類器的權值，完成集成學習，訓練完成后，以最大輸出概率的標簽作為足底壓力信號x_n對應的健康狀態，完成帕金森病的定量診斷。

所述的信號采集預處理模塊中足底不同位置的壓力信號包括：足后跟、內外足跟、內外足弓、內外足掌以及大拇指8處的足底壓力變化信息。