[发明专利]一种基于事件相机的帕金森手部震颤识别方法

说明书

本发明公开了一种基于事件相机的帕金森手部震颤识别方法，包括：通过事件相机对受试者进行视频数据采集，并使用DV平台收集采集的视频数据，获取手部震颤序列的异步事件流；采用基于光流速度的降噪算法对所述异步事件流进行预处理；通过离散傅里叶变换对预处理后的异步事件流提取帕金森病震颤信号的特征参数，将特征参数分为训练数据集和测试数据集；将所述训练数据集输入至识别网络模型中进行训练，通过基于支持向量机SVM的震颤分类方法来判断受试者是否震颤。本发明采用了新型传感器事件相机进行数据采集，符合临床震颤检测要求，不影响患者的动作，不会使患者产生不适感，并且能长时间的检测。

技术领域

本发明涉及医疗健康与计算机视觉技术领域，具体涉及一种基于事件相机的帕金森手部震颤识别方法。

背景技术

帕金森病又称震颤麻痹症，是最常见的神经系统变性疾病之一，多发于中老年人群。震颤是帕金森病的主要症状，是一种无意识、有节奏的肌肉收缩和放松，涉及一个或多个身体部位的摆动或抽动运动。帕金森病震颤最常见的迹象是患者手部在静止时缓慢的震颤，并伴随着患者随意运动而减弱，在患者入睡时消失。由于帕金森病的早期症状易与患者身体机能老化所混淆，因此为临床早期诊断带来了很大的困难。帕金森震颤的诊断一直是临床上难题，而正确的诊断和用药对病人的治疗和康复尤为重要。

现有的帕金森手部震颤诊断方式多元化,根据数据获取方式可分为接触式设备数据获取和视觉相机数据获取。接触式设备轻松提取手部震颤的特征描述，根据其采集信号的性质又可分为生物电信号和非生物电信号。接触式采集的生物电信号是将电极片环绕紧贴于皮肤表面，采集受检肌肉收缩的动作电位信号。这种信号获取方式除了导线的移动性影响外，导线的电磁等干扰也会影响信号采集。另外，人体的生物电信号很微弱并有个体差异，且极易受皮肤表面汗液影响。最具有代表性的采集非生物电信号的接触式设备就是可穿戴仪器。所述可穿戴仪器本质上是具有传感单元的有线接口，其中所有传感单元与手指或关节部位相接触。缺点是检测过程需要病人佩戴复杂的检测装置，过程繁琐，其附属连接线和复杂穿戴带来的不便利性，造成了不自由的人机交互操作。

基于视觉相机的数据获取方式能够使操作者以更加自然的方式进行人机交互，且灵活性更大，所以得到了更多的研究和关注；通常采用普通相机(传统RGB相机)进行数据采集，当物体变化速度较慢时，对成像没有太大影响，但当遇到强光、昏暗或者物体变化速度非常快时，普通相机就难以拍摄清晰图像，会出现过曝、欠曝或者存在运动模糊的画面。由普通相机采集的帕金森手部震颤数据是基于每一帧去做运算，如果每一帧的画面不清晰，则无法分辨患者手部动作及其特征点。针对运动模糊现象，若采用提高帧率的方法进行拍摄，理论上，帧率足够快画面即可相对静止，但事实上增加帧率后对处理算法就有了更高的要求，需要在非常短的时间内完成运算，否则会明显落后于实际时间流速。针对光照差异过大导致的过曝或者欠曝图像，会丢失一些关键的物体信息，对特征识别算法有非常大的挑战。针对帕金森震颤的检测，国内依然没有一个非侵入式简单有效的技术方案提出。

发明内容

本发明的目的在于，提供一种基于事件相机的帕金森手部震颤识别方法，其通过事件相机采集视频数据进行特征提取，实现帕金森震颤检测的非侵入式诊断技术，并且极大的保护了病人隐私。

为实现上述目的，本申请提出一种基于事件相机的帕金森手部震颤识别方法，包括：

通过事件相机对受试者进行视频数据采集，并使用DV平台收集采集的视频数据，获取手部震颤序列的异步事件流；

采用基于光流速度的降噪算法对所述异步事件流进行预处理；

通过离散傅里叶变换对预处理后的异步事件流提取帕金森病震颤信号的特征参数，将特征参数分为训练数据集和测试数据集，所述训练数据集包括已知的正常特征数据和根据病情严重等级标注的震颤信号特征数据；

将所述训练数据集输入至识别网络模型中进行训练，通过基于支持向量机SVM的震颤分类方法来判断受试者是否震颤。