[发明专利]一种基于可穿戴传感器的帕金森病上肢运动检测方法

权利要求书

1.一种基于可穿戴传感器的帕金森病上肢运动检测方法，其特征在于，所述方法包括：

预设上肢运动动作，所述上肢运动动作用于评估PD患者的患病程度；

将可穿戴无线传输传感器穿戴到受试者上肢，执行所述上肢运动动作，可穿戴无线传输传感器采集受试者数据，并记录对应的动作类别；

对受试者数据进行预处理获得数据集，并将数据集划分为训练集和测试集；

根据数据集结构设计卷积神经网络模型；

利用训练集训练卷积神经网络模型；

采用可穿戴无线传输传感器采集患者数据，对所述患者数据预处理后输入到训练好的卷积神经网络模型中，根据卷积神经网络模型的输出分类结果识别患病程度。

2.根据权利要求1所述的基于可穿戴传感器的帕金森病上肢运动检测方法，其特征在于，所述预设上肢运动动作包括：设计动作主要包括手部的快速交替运动、翻转手、握拳、手指捏合、静止性震颤和步态下的手臂摆动。

3.根据权利要求2所述的基于可穿戴传感器的帕金森病上肢运动检测方法，其特征在于，所述将可穿戴无线传输传感器穿戴到受试者上肢，执行所述上肢运动动作，可穿戴无线传输传感器采集受试者数据，并记录对应的动作类别，包括：

将可穿戴无线传输传感器分别穿戴于受试者双手的大拇指、食指、中指与腕部；

调试可穿戴无线传输传感器的加速度计校准、磁场校准和Z轴角度置零；

设置传感器采样频率设置为100Hz，每名受试者所述上肢运动动作中每个动作进行3次测试，采集每次测试的受试者数据。

4.根据权利要求1所述的基于可穿戴传感器的帕金森病上肢运动检测方法，其特征在于，所述对受试者数据进行预处理获得数据集，并将数据集划分为训练集和测试集，包括：

利用四阶巴特沃斯低通滤波器对受试者数据进行低通滤波，截止频率设为50Hz；

将滤波后的数据以5秒划分为一个样本，经过短时傅里叶变换获得微多普勒时频图，将样本的数据格式转换为50×50；

获取不同动作的所述时频图样本集，并将80％样本集划分为训练集，20％样本集划分为测试集。

5.根据权利要求1所述的基于可穿戴传感器的帕金森病上肢运动检测方法，其特征在于，所述卷积神经网络模型包括4个带有修正线性单元的卷积层、2个最大池化层、2个带有线性修正单元的全连接层以及激活函数为softmax的输出层。

6.根据权利要求5所述的基于可穿戴传感器的帕金森病上肢运动检测方法，其特征在于，所述根据数据集结构设计卷积神经网络模型，包括：

第一层卷积层与第二层卷积层，采用相同卷积核大小为5×5，步长为1，数量20，卷积过程采用same方法，激活函数为ReLU，卷积后数据特征大小为20×20×50×50；

第三层池化层采用3×3最大池化操作，步长为1，池化后数据特征大小为20×20×17×17；

第四层卷积层与第五层卷积层采用卷积核大小为3×3，步长为1，数量40，卷积过程采用same方法，激活函数为ReLU，卷积后数据特征大小为40×40×20×20×17×17；

第六层池化层采用3×3最大池化操作，步长为1，池化后数据特征大小为40×40×20×20×6×6；

第七层全连接层共有128个神经元，使用dropout防止过拟合，第八层全连接层共有32个神经元，softmax分类器输出受试者不同患病程度的概率。

7.根据权利要求1所述的基于可穿戴传感器的帕金森病上肢运动检测方法，其特征在于，所述利用训练集训练卷积神经网络模型，包括：

采用随机梯度下降法，不断学习和优化卷积神经网络的模型参数；

并利用测试集测试其识别准确度，根据结果不断调整。

8.根据权利要求7所述的基于可穿戴传感器的帕金森病上肢运动检测方法，其特征在于，所述采用随机梯度下降法，不断学习和优化卷积神经网络的模型参数，包括：

初始化权重参数和偏置，分别采用随机初始化与定值初始化；

根据网络的前向传播计算损失值，反向传播计算每层网络的梯度；

采用随机梯度下降优化方法对参数进行优化，寻求最小损失值；

逐步训练，提高模型的识别准确率。