[发明专利]用于帕金森病辅助诊断的姿态估计方法

说明书

一种用于帕金森病辅助诊断的人体姿态估计方法，包括以下步骤：)根据国际帕金森病权威量表UPDRS中运动功能检查部分，确定需要进行自动分析的动作，并在专家的指导下将各个参数进行量化，以便计算机能够处理；2)采集并标注帕金森病患者与健康者的姿态数据；3)确定基于深度卷积神经网络的姿态估计算法运算流程和骨干网络；4)利用所采集到的数据训练神经网络；5)利用患者根据指定要求拍摄的视频，应用训练好的深度卷积神经网络得出关键点坐标，再计算出所需的生理指标以及该动作的UPDRS动作等级，实现人体姿态估计。本发明能够对帕金森病患者的姿态进行精准识别并用于医生辅助诊断。

技术领域

本发明属于智慧医疗领域，涉及一种用于帕金森病辅助诊断的姿态估计方法。

背景技术

在帕金森病患者众多的背景下，能够诊断帕金森病的医疗资源匮乏。全国帕金森病专家医师仅一千多人。仅有3.75％的病人初病发时意识到自己患病，而且误诊率高达23.5％，比一般疾病误诊率高出几倍，帕金森病诊断方面的辅助技术仍亟待发展。

目前，判断一个患者是否患有帕金森病难度较大，需要医生大量的时间和精力。医生需要至少30-40分钟的时间去对患者进行测试和观察，并根据量表得出等级，长时间的重复工作容易导致医生疲劳。此外，一个患者通常需要多次复诊，每次复诊都需要走这样一次诊断流程，大量消耗医疗资源。

发明内容

为了克服已有技术的不足，本发明提供了一种用于帕金森病辅助诊断的人体姿态估计方法，能够对帕金森病患者的姿态进行精准识别并用于医生辅助诊断。

本发明解决其技术问题所采用的技术方案是：

一种用于帕金森病辅助诊断的人体姿态估计方法，包括以下步骤：

1)根据国际帕金森病权威量表UPDRS中运动功能检查部分，确定需要进行自动分析的动作，并在专家的指导下将各个参数进行量化，以便计算机能够处理；

2)采集并标注帕金森病患者与健康者的姿态数据；

3)确定基于深度卷积神经网络的姿态估计算法运算流程和骨干网络；

4)利用所采集到的数据训练神经网络；

5)利用患者根据指定要求拍摄的视频，应用训练好的深度卷积神经网络得出关键点坐标，再计算出所需的生理指标以及该动作的 UPDRS动作等级，实现人体姿态估计。

进一步，所述步骤4)中，在深度卷积神经网络训练过程中，首先要对图片进行增强处理以增加模型的泛化性能，图像增强方法包括：随机旋转、随机平移、随机翻折和随机划分。

再进一步，所述步骤5)中，姿态估计算法运算流程包括目标检测和关键点定位两个步骤；模型先通过目标检测网络识别出感兴趣的人体部位(手掌，人脸等)并用矩形框表示；模型再将该矩形框所囊括的图片输入到关键点定位网络中，返回各关键点的坐标值；

其中，一个点的坐标用一个二维向量(x,y)来表示；矩形框用矩形左上角点的坐标(x_a,y_a)和右下角点的坐标(x_b,y_b)来表示。

更进一步，所述步骤5)中，在模型对输入图片进行姿态估计的过程中，只在第一帧或者在上一帧没有检测到感兴趣的人体部位时才进行目标检测的步骤；否则，利用上一帧的目标检测结果来追踪感兴趣部位，并对此进行关键点定位步骤。

优选地，所述步骤1)中，根据国际权威帕金森病诊断标准 MDS-UPDRS标准，在对帕金森病人不同的动作评估时分别将手掌、面部、脚、整个躯体作为感兴趣部位。

优选地，所述步骤5)中，在模型执行目标检测步骤时采用非最大值抑制算法来解决预测结果有多矩形框的情况。