[发明专利]用于帕金森步态风险评估的非线性步态动力学判别方法

摘要

本发明公开了一种用于帕金森步态风险评估的非线性步态动力学判别方法。本发明方法提出了基于非线性动力学特征的多维特征判别图以用于帕金森患者的步态风险评估，联合了支持向量机、非线性动力学特征和图形化显示方法，将5维的非线性动力学特征在二维平面中以图形的方式展示。本发明方法适用于帕金森患者的步态风险评估。在正常的人群中，如果非线性步态动力学判别图的多个指标都超出判别图的分界点，则说明其患病的概率或者病症的严重程度将大大的提升，需要引起个体自身的密切关注以及医生的进一步检查。

主权项

1.用于帕金森步态风险评估的非线性步态动力学判别方法，其特征在于，包括如下步骤：步骤一、步态时间参数获取：提取五个不同的步态时间参数，构成一组步态参数变量；利用放置在试验者鞋底的力敏薄膜开关来获取人体步态时间参数序列数据，具体包括左脚跨步时长L_stride,右脚跨步时长R_stride,左脚站立时长L_stance，右脚站立时长R_stance,双脚支撑时长D_support，构成一组特征矢量x：x＝[x₁,x₂,x₃,x₄,x₅]^T＝[L_stride.R_stride.L_stance,R_stance,D_support]^T，其中T为步态时间；步骤二、数据预处理：对步骤一提取出来的步态时间参数序列据进行中值滤波处理以去除极大值干扰；即将所选择的参数变量用y＝medfilt1(x,n)将n阶一维中值滤波器应用到特征矢量x上，获取滤波后的步态时间参数序列；步骤三、非线性步态动力学特征提取：对每个步态时间参数序列进行非线性步态动力学特征提取，提取每个序列对应的模糊熵值、lz复杂度值以及C0复杂度值；步骤四、分类识别：将步骤三提取到的15个非线性步态动力学特征进行特征组合，对正常健康对照组和帕金森病患者采用支持向量机(SVM)训练分类；根据训练模式与测试模式之间关于非线性动力学指标间的差异，把测试模式准确分类识别出来，实现异常步态检测；通过特征组合比较，最终确定分类识别效果最佳的一组特征组合，用于后续非线性动力学判别图的绘制；步骤五、绘制非线性步态动力学判别图：由支持向量机训练集得到的支持向量机模型求出最佳特征组合中每个非线性步态动力学指标最优超平面wx+b＝0；结合最优超平面的分界点和非线性步态动力学特征参数绘制非线性步态动力学判别图。