[发明专利]一种关节炎患者的足底压力特征识别方法和系统

说明书

本发明提供了一种关节炎患者的足底压力特征识别方法和系统，其特征在于包括以下步骤：(1)分别对正常人和被检测者的足底压力数据进行采集，并对得到的足底压力图像数据进行预处理；(2)对预处理后的足底压力图像数据进行主成分分析，提取基于足底形状和压力分布的经典特征构成特征向量；(3)构建小波神经网络模型，并采用正常人的足底压力特征向量对构建的小波神经网络模型进行训练，并将被检测者的足底压力特征向量输入训练好的小波神经网络模型，得到被检测者的足底压力特征识别结果。本发明可以广泛的应用于关节炎患者的足底压力特征识别领域。

技术领域

本发明涉及模式识别技术领域，尤其涉及一种关节炎患者的足底压力特征识别方法和系统。

背景技术

膝骨性关节炎(knee osteoarthritis，KOA)，亦称退行性骨关节病，是机械因素及生物因素共同作用导致的关节软骨、软骨下骨、骨以及周围软组织的共同病损,是一种无菌性、慢性、进行性侵犯关节。此病发病率较高，而且人数还在不断增加。临床上，KOA除了会导致疼痛及关节功能障碍之外，还会引起步态异常，从而使人体的活动能力严重降低。因此，中早期的关节炎识别具有重大意义。

目前，与关节炎相关的现有研究大部分是药物治疗，而涉及关节炎识别的研究则大多基于生物医学，不仅检测过程繁琐，识别精度也较低。随着足底压力识别技术的发展，其被越来越多的应用于身份识别和步态识别领域中。由于足底压力的测量较为便捷，而关节炎患者的足底压力与健康人体的足底压力之间又存在一定的差异性，这为根据足底压力数据对关节炎患者的步态特征进行识别创造了可能。然而，异常步态的检测本身就是模式识别领域的难题之一，而基于关节炎患者和健康人体之间的足底压力的差异进行区分，以辅助筛查检测关节炎患者，更是缺少相应的研究。

发明内容

针对上述问题，本发明的目的是提供一种关节炎患者的足底压力特征识别方法和系统，根据足底压力数据特征，对被检测者的足底压力模式进行有效识别，为关节炎的早期评估提供理论依据。

为实现上述目的，本发明采取以下技术方案：一种关节炎患者的足底压力特征识别方法，其包括以下步骤：

(1)分别对正常人和被检测者的足底压力数据进行采集，并对得到的足底压力图像数据进行预处理；

(2)对预处理后的足底压力图像数据进行主成分分析，提取基于足底形状和压力分布的经典特征构成特征向量；

(3)构建小波神经网络模型，并采用正常人的足底压力特征向量对构建的小波神经网络模型进行训练，并将被检测者的足底压力特征向量输入训练好的小波神经网络模型，得到被检测者的足底压力特征识别结果。

进一步的，所述步骤(1)中，对得到的足底压力图像数据进行预处理的方法包括足底关键帧提取、区域划分和去噪三个过程：所述足底关键帧提取是指从足底压力图像数据中提取能够反映数据内容的关键数据帧；所述区域划分是指根据不同的足底压力特征区域对采集的足底压力数据进行区域划分；所述去噪是指对获得的足底压力分布图像进行整体去噪和局部去噪，所述整体去噪根据预设整体去噪阈值对所有足底压力分布图像数据进行去噪，所述局部去噪是指根据预设足跟部阈值对整体去噪后的足跟部压力数据进行局部去噪。

进一步的，所述步骤(2)中，对预处理后的足底压力图像数据进行主成分分析，提取基于足底形状和压力分布的经典特征构成特征向量的方法，包括以下步骤：(2.1)获取正常人和关节炎患者的足底基础数据，并对足底基础数据进行预处理；(2.2)对于足底压力图像的每个像素，分别计算3个压力相关和3个时间相关的参数；(2.3)使用主成分分析对足底压力图像的每个像素的6个参数和预处理后的足底基础数据进行参数提取，得到基于足底形状和压力分布的经典特征构成特征向量。

进一步的，所述步骤(2.3)中，使用主成分分析对足底压力图像的每个像素的6个参数和预处理后的足底基础数据进行参数提取，得到基于足底形状和压力分布的经典特征构成特征向量的方法，包括以下步骤：