[发明专利]一种基于多模态数据的帕金森健康风险评估方法

权利要求书

1.一种基于多模态数据的帕金森健康风险评估方法，其特征在于步骤如下：

步骤1：以UPDRS评分，人口基本情况数据和传感器数据构建为多模态数据集；所述传感器数据为被测人员的运动数据，包括不同时间点的、x，y，z三个运动方向的多维度时间序列数据；

步骤2：利用高斯滤波对传感器数据进行预处理；

步骤3：将传感器数据样本通过卷积神经网络提取特征V_cnn；

所述卷积神经网络结构为八个卷积层，八个最大池化层；连接顺序为：先使用一个卷积层，以20个卷积核用于提取特征，步长设置为1，卷积核大小设置为3；接下来连接一个池化层，采用最大池化层，大小设置为3，步长设置为2；然后同样的结构，卷积层和池化层交替次8次，最后一个池化层的结果就是卷积神经网络提取到的特征；

步骤4、融入手工特征：以一个SensorMat矩阵表示一个样本的传感器数据，矩阵为三行N列，三行表示x，y，z三个运动方向，N代表序列的长度；X，Y，Z表示SensorMat[0]，SensorMat[1]，SensorMat[2]，分别表示三个运动方向的传感器数据的不同时间点的向量表示，基于传感器数据计算以下特征：

Range_x＝max(X)-min(X)

Range_y＝max(Y)-min(Y)

Range_z＝max(Z)-min(Z)

其中，Range_x，Range_y，Range_z表示传感器数据在x，y，z三个方向运动的幅度值；max表示求一组向量的最大值，min表示求一组向量的最小值；

Mean_x，Mean_y，Mean_z代表x，y，z三个运动方向的均值：

Var_x，Var_y，Var_z表示x，y，z三个方向的方差：

Skew_x，Skew_y，Skew_z代表x，y，z三个方向的偏度：

Kurtosis_x，Kurtosis_y，Kurtosis_z代表x，y，z三个运动方向的峰度：

根据求得互相关系数求出x，y，z任意两组运动方向的互相关系数的最大值，PeakXY_cr，PeakXZ_cr，PeakYZ_cr分别代表传感器数据x，y方向，x，z方向和y，z方向的互相关系数的最大值：

一个样本计算一个18维的特征，所有的样本经过上述计算，获得一个完整的特征表示，用V_manual表示；

步骤5：整合参与帕金森风险预测的人员的人口统计数据，以UPDRS第一部分和第二部分的2维，UPDRS第三部分包含被测人是否服用药物下的两种类型的特征的72维，以及UPDRS第四部分分数的6维，年龄和性别的2维，构成82维的特征向量代表某个人的人口统计数据特征，以V_clinical表示；

步骤6：模型训练与预测：

建立训练模型结构，连接顺序和具体结构为：先使用一个卷积层，以20个卷积核用于提取特征，步长设置为1，卷积核大小设置为3；接下来连接一个池化层，采用最大池化层，大小设置为3，步长设置为2；然后同样的结构，卷积层和池化层交替次8次，最后一个池化层的结果就是卷积神经网络提取到的特征；

将收集的所有被测人员的数据数据分为训练数据和预测数据，以训练数据输入训练模型进行训练得到训练模型完成的预测模型，然后将预测数据输入预测模型，预测模型输出一个0到1的帕金森风险概率；将预测的结果使用0.5为阈值将预测结果变成二分类的结果。

2.根据权利要求1所述基于多模态数据的帕金森健康风险评估方法，其特征在于：所述高斯滤波采用0.5Hz的高通滤波器对数据进行滤波处理。