[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

权利要求书

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。

2.根据权利要求1所述的用于帕金森步态风险评估的非线性步态动力学判别方法，其特征在于步骤三所述的模糊熵值提取方法，具体：

对于给定的N维步态时间参数序列[u(1),u(2),…,u(N)]，

定义相空间维度m和相似容度r，其中m≤N-2；重构相空间：

x(i)＝[u(i),u(i+1),…,u(i+m-1)]-u₀(i),i＝1,2,…,N-m+1,

其中，参数N＝1,2,3,4…N，

引入模糊隶属函数

其中，对于i＝1,2，…，N-m+1,计算：

为窗口向量X(i)和X(j)之间的最大绝对距离；

针对每个i，求其平均值，得到:

则原步态时间参数序列的模糊熵为：

其中

因此针对有限数据集，模糊熵估计为：

fuzzyEn(m,r,N)＝lnΦ^m(r)-lnΦ^m+1(r)。

3.根据权利要求2所述的用于帕金森步态风险评估的非线性步态动力学判别方法，其特征在于步骤三所述lz复杂度值提取具体如下：

对于给定的步态时间参数序列x(i)＝{x_i，i＝1，…n}，需要转换成0-1二值符号序列u(i)(i＝1,…,n),其中：

对于重构形成的(0,1)字符串，需要对其进行子串的划分与界定，对于此算法随着步态时间参数序列从前到后计算共有两个基本操作：插入和拷贝；一个长度为n的步态时间参数序列的Lz复杂度c(n)是使用插入和拷贝这两个基本操作来使的原始步态时间参数序列重复构造的最短的字串组合而得来；当序列的长度趋于无限时，几乎所有的符号序列复杂度都趋于一个确定的值，

即：则复杂度c(n)通过b(n)进行归一化；即：归一化后的C(n)可以用来对步态时间参数序列的复杂度进行测度。