[发明专利]一种基于KINECT骨骼数据的帕金森病症计算机辅助判别方法

权利要求书

1.一种基于kinect骨骼数据的帕金森症计算机辅助判别方法，包括以下步骤：

通过kinect获取步行一次人体骨骼数据三维坐标序列；

选择Mid-Center点，对数据进行低通滤波；

对新序列每一点计算瞬时变化率，得变化序列，根据序列变化曲线求每个循环最低值为“行走周期内人体最矮点”和并计算周期；

根据周期计算出步幅参数序列和运动学参数序列；

对步幅参数序列，1)使用单因素方差分析筛选出行走常态数据。

2)根据稳态数据分别计算左右脚位移序列。

3)计算两个序列的皮尔逊相关系数作为相关程度，对比左右脚对称性。

4)作出结论：对称系数小于正常人，即极有可能患有PD。

对于运动学参数，1)对收集的PD症患者加速度序列进行DBSCAN聚类，聚类结果作为HMM观察序列。

2)运用Baum-Welch算法学习模型参数。

3)根据模型参数，用前向算法计算观测序列出现的概率，大于阈值则极有可能患有PD症。

2.如权利要求1所述的一种基于kinect骨骼数据的帕金森症计算机辅助判别方法中，其特征在于，所述的选择Mid-Center点，对数据进行低通滤波得到y方向变化新序列包括：

为了观察方便，选择Spine_Base点作为Mid-Center点。将行走过程中上半身看作刚体，对该点的y值序列进行rlowess滤波，得到新序列。

3.如权利要求1所述的一种基于kinect骨骼数据的帕金森症计算机辅助判别方法中，其特征在在于，所述的对新序列每一点计算瞬时变化率，得变化序列，根据序列变化曲线求循环最低值的行走最低点和周期包括：

对每一点计算瞬时变化速率，作出其与时间的变化曲线，以13～17作为循环基数，提取行走过程最低点和周期。

4.如权利要求1所述的一种基于kinect骨骼数据的帕金森症计算机辅助判别方法中，其特征在于，所述的对步幅参数序列，使用单因素方差分析并绘制箱线图以选择被测试者步行常态数据包括：

对于几次测出的步幅参数，使用通过单因素方差分析，排除组间误差较大的项，同时根据绘制的箱线图制定选择标准：

1)均值与其他大多数组别数据组内计算均值相似；

2)内限大小不极端:过大或过小；

3)第一四分点和第三四分店在中值两边分布较为对称；

4)每人六次实验数据，取最符合上述三点要求的三组数据。

选择步伐常态。

5.如权利要求1所述的一种基于kinect骨骼数据的帕金森症计算机辅助判别方法中，其特征在于，所述的计算双脚位移序列的相关系数包括：

位移序列为计算相邻帧位移组成的序列，根据左右脚相邻帧位移规律，对比左右脚使用规律对称性，当相关系数满足患者系数范围，即极有可能患有PD症。

6.权利要求1所述的一种基于kinect骨骼数据的帕金森症计算机辅助判别方法中，其特征在于，所述的对于运动学参数，根据PD患者HMM模型参数，计算观测序列出现概率，包括：

对收集的PD症患者加速度序列进行DBSCAN聚类，聚类结果作为HMM观察序列。

运用Baum-Welch算法学习模型参数。

根据患者模型参数，用前向算法计算观测序列出现的概率，大于阈值则极有可能患有PD症。