[发明专利]基于相空间重构、欧氏距离和神经网络的膝骨性关节炎诊断系统

摘要

本发明一种基于相空间重构、欧氏距离和神经网络的膝骨性关节炎诊断系统,包括步态数据获取模块、步态特征提取模块、基于RBF神经网络的建模模块、训练步态模式库、动态估计器模块和诊断模块；将确定学习理论结合经相空间重构和欧氏距离计算得到的膝关节角度和位移特征应用于对健康人群和膝骨性关节炎患者的非线性步态系统动态进行局部准确建模和辨识，所学习到的步态动力学知识以常值神经网络权值的形式存储，利用健康人群和膝骨性关节炎患者之间在步态系统动力学上的差异进行分类，以辅助诊断检测膝骨性关节炎，实现对膝骨性关节炎的无创诊断，与磁共振成像、关节镜手术等诊断手段相比，具有无创、省时、节省费用等优点。

主权项

1.基于相空间重构、欧氏距离和神经网络的膝骨性关节炎诊断系统，其特征在于：包括步态数据获取模块、步态特征提取模块、基于RBF神经网络的建模模块、训练步态模式库、动态估计器模块和诊断模块；所述的步态数据获取模块，通过其上的光学传感器采集患有膝骨性关节炎的训练患者、健康正常人和待测者行走时的膝关节运动学信号，并发送给步态特征提取模块；所述的步态特征提取模块，从膝关节运动学信号中提取出膝关节股骨相对胫骨的内外旋角度、屈伸角度以及膝关节股骨相对胫骨的内外位移的步态数据，通过分别计算膝关节股骨相对胫骨的内外旋角度、屈伸角度和膝关节股骨相对胫骨的内外位移这三个膝关节运动学信号经相空间重构后的欧氏距离，得到相应的三个步态特征，构成一组步态特征向量x＝[内外旋角度经相空间重构后计算得到的欧氏距离,屈伸角度经相空间重构后计算得到的欧氏距离,内外位移经相空间重构后计算得到的欧氏距离]T；所采集的若干患有膝骨性关节炎的训练患者和健康正常人的步态特征变量形成训练集，所采集的若干待测者的步态特征变量形成测试集；所述的基于RBF神经网络的建模模块，根据步态特征提取模块对训练集里患有膝骨性关节炎的训练患者和健康正常人提取的步态特征变量，利用所述基于RBF神经网络的建模模块，对健康正常人和患有膝骨性关节炎的训练患者的未知非线性步态系统动态进行建模，设计RBF神经网络辨识器，对未知非线性步态系统动态的局部进行逼近，根据确定学习理论，沿步态系统特征轨迹的RBF神经网络的神经元满足持续激励条件，其权值收敛到最优值，取权值收敛后一段时间内权值的均值作为学习训练结果，并利用这些结果建立常值神经网络，所学到的步态系统动力学知识以常值神经网络权值的形式对应训练模式存储在训练步态模式库中；所述的训练步态模式库，存储有常值神经网络权值；所述动态估计器模块，从训练步态模式库里调取常值神经网络权值作为患有膝骨性关节炎的训练患者和健康正常人所对应的非线性步态系统动力学知识嵌入到动态估计器中，即，把训练模式对应的常值神经网络嵌入到动态估计器中，一个动态估计器对应一个常值神经网络并对应一个训练模式；所述诊断模块，将测试数据与动态估计器模块的所有动态估计器求差，根据最小误差原则，找出误差最小的那个动态估计器所对应的训练模式，若该训练模式对应健康正常人，则判断测试者没有患病；若该训练模式对应训练患者，则判断该测试者患病，从而将待测者的异常步态分类检测出来，作为诊断膝骨性关节炎的辅助筛查手段。