[发明专利]基于相空间重构、欧氏距离和神经网络的膝骨性关节炎诊断系统

说明书

本发明一种基于相空间重构、欧氏距离和神经网络的膝骨性关节炎诊断系统,包括步态数据获取模块、步态特征提取模块、基于RBF神经网络的建模模块、训练步态模式库、动态估计器模块和诊断模块；将确定学习理论结合经相空间重构和欧氏距离计算得到的膝关节角度和位移特征应用于对健康人群和膝骨性关节炎患者的非线性步态系统动态进行局部准确建模和辨识，所学习到的步态动力学知识以常值神经网络权值的形式存储，利用健康人群和膝骨性关节炎患者之间在步态系统动力学上的差异进行分类，以辅助诊断检测膝骨性关节炎，实现对膝骨性关节炎的无创诊断，与磁共振成像、关节镜手术等诊断手段相比，具有无创、省时、节省费用等优点。

技术领域

本发明涉及一种采用机器学习的基于相空间重构、欧氏距离和神经网络的膝骨性关节炎诊断系统,可以为骨科医生的初步诊断提供决策支持。

背景技术

膝骨性关节炎(knee osteoarthritis,KOA)是一种影响关节功能的慢性退行性疾病，大于65岁人群中50％以上有骨性关节炎的X线片表现，我国60岁以上人群KOA发病率高达49％。发病以关节软骨出现原发性退行性改变为主，并伴有不同程度的骨质增生、肌纤维化等症状，导致关节疼痛、行走困难，严重降低了中老年人的活动能力，大大增加了患者的医疗费用和社会负担。膝关节是人体最大的关节，正常的膝关节结构，关节内部应力均匀分布，如果各种因素造成膝关节内力失衡，关节软骨就可能受到破坏，正常步态的一系列活动不能顺利完成，则出现异常步态。

膝骨性关节炎患者软骨的损害一般发生在活动中,疼痛和障碍也在活动中表现出来,而临床中静态检查经常难以诱导出症状或症状诱导不完全,因此选取动态观察方法可能更具有优势。步态分析技术作为一门新兴的技术,将生物力学、运动学及解剖学相结合,当膝骨性关节炎患者的步态出现异常时可以较好地完成动态条件下的膝骨性关节炎检测。

目前，如何进一步提高膝骨性关节炎诊断的准确性和提高手术的疗效日益成为临床医生关注的目标，而磁共振成像(magnetic resonance imaging,MRI) 是最好的影像学诊断方法，关节镜手术是诊断和治疗膝骨性关节炎的“金标准”。但是二者都存在一定的缺陷，例如，二者的费用都较为昂贵；关节镜手术属于有创检测；带有心脏起搏器的患者或有某些金属异物的部位不能作MRI的检查；多数MRI设备检查空间较为封闭，且扫描时间相对较长，部分患者因幽闭恐惧不能配合完成检查。放射成像技术虽然可以分析和查看膝关节内部的损伤情况及严重程度，但是不少轻度KOA患者在病情初期从放射成像上并不会显示出明显的异常，而其在步态模式上却已经表现出了不同于正常健康人的变异。这也揭示了步态分析技术在KOA早期诊断上的优越性，同时兼具易于操作和实现，节省费用和时间，具有无创检测的优点。

无论是正常或异常步态，其膝关节角度、位移等运动学特征在步与步之间通常呈现出复杂的波动性，具有明显的非线性特性。现代的研究普遍认为人体步态系统是一个复杂的、非线性的、时变的有源系统,是一个高度非线性的多单元组合的复合体,步态信号具有非线性动力学特征。因此,采用非线性动力学特征来检测和分析步态信号数据是未来的发展趋势。研究发现,不同类型的膝关节疾病患者步态信号的非线性动力学特征发生了明显变化,膝骨性关节炎患者步态的非线性动力学特性与健康正常人之间存在重要的差异。而如何从步态信号中提取出反映步态系统非线性动力学特性的特征变量，对非线性步态系统动态进行建模，并基于这两类人群之间在步态系统动力学上的差异进行区分，以辅助诊断膝骨性关节炎，则缺少相应的研究，也是其中的难点问题之一。通过相空间重构可以有效保存步态信号所表征的步态系统非线性动力学特性，并加以直观的可视化显示。通过计算步态信号相空间重构后的欧几里得距离(简称欧氏距离)，可以得到有效的步态特征，能够显著区分膝骨性关节炎患者和健康正常人之间的步态，实现对膝骨性关节炎的辅助诊断。