[发明专利]一种肢体震颤检测方法及装置

说明书

本发明实施例提供了一种肢体震颤检测方法及装置，本发明涉及人工智能技术领域，方法包括：构建并训练识别模型，识别模型用于识别肢体信号是否具有震颤特征；获取移动终端内的传感器采集的第一用户的待识别肢体信号；向训练好的识别模型中输入所述待识别肢体信号；获取识别模型根据训练好的网络参数识别待识别肢体信号并输出识别结果，并发送识别结果至移动终端。本发明实施例提供的技术方案能够解决现有技术中肢体震颤检测准确度低的问题。

【技术领域】

本发明涉及人工智能技术领域，尤其涉及一种肢体震颤检测方法及装置。

【背景技术】

目前，随着人口老龄化逐渐上升，一些患有甲亢、帕金森或其他一些特殊疾病的人会出现手部、头部、腿部等肢体震颤的症状，对病人的日常生活、工作、社会交往等带来诸多不便。现有的肢体震颤检测方法，一般需要通过专业的医疗检测设备进行检测，或者通过一些辅助检测设备进行检测，检测结果准确度低。

因此，如何提高肢体震颤检测准确度成为目前亟待解决的问题。

【发明内容】

有鉴于此，本发明实施例提供了一种肢体震颤检测方法及装置，用以解决现有技术中肢体震颤检测准确度低的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种肢体震颤检测方法，所述方法包括：

构建并训练识别模型，所述识别模型用于识别肢体信号是否具有震颤特征；获取移动终端内的传感器采集的第一用户的待识别肢体信号；向训练好的识别模型中输入所述待识别肢体信号；获取所述识别模型根据训练好的网络参数识别所述待识别肢体信号并输出识别结果，并发送所述识别结果至所述移动终端。

进一步地，所述构建并训练识别模型，包括：获取多个健康人体的第一肢体信号及多个肢体震颤症状患者的第二肢体信号；按照预设格式对所述多个第一肢体信号及所述多个第二肢体信号分别进行样本制作，获得包括多个训练样本的训练集；构建所述识别模型；将所述训练集输入所述识别模型的卷积神经网络，得到所述卷积神经网络的前向输出；利用反向传播神经网络算法更新所述卷积神经网络的权值和偏置，得到训练好的所述识别模型，并保存训练好的所述识别模型的网络参数。

进一步地，所述利用反向传播神经网络算法更新所述卷积神经网络的权值和偏置，得到训练好的所述识别模型的方法，包括：

根据所述前向输出和所述训练样本的真实结果构建损失函数，所述损失函数的表达式为其中，E_loss表示所述损失函数，n表示所述训练样本总数，x_i表示第i个训练样本的前向输出，y_i表示与x_i相对应的第i个训练样本的真实结果；采用基于批量梯度下降的反向传播算法更新卷积神经网络的权值和偏置，对所述损失函数进行优化使其最小化，得到训练好的所述识别模型。

进一步地，所述获取移动终端内的传感器采集的第一用户的待识别肢体信号之后，并在向所述训练好的识别模型中输入所述待识别肢体信号之前，所述方法还包括：

将所述待识别肢体信号进行预处理，所述预处理包括采用Kalman滤波算法滤除低频的人体运动信号。

进一步地，所述传感器包括多轴向加速度传感器、多轴向陀螺仪、多轴向倾角仪中的至少一种；所述移动终端是手机、iPad、智能手表或者可穿戴智能设备中任意一种。

进一步地，所述获取移动终端内的传感器采集的第一用户的待识别肢体信号之前，所述方法还包括：