[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

说明书

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。

技术领域

本发明属于模式识别技术领域，具体涉及一种用于帕金森步态风险评估的非线性步态动力学判别图。

背景技术

帕金森病是一种多发于中老人群、以运动障碍为主要临床症状的神经退行性疾病，其临床上以静止性震颤、运动迟缓、肌僵直和姿势步态障碍为四大主征。目前帕金森病的治疗方式主要包括药物治疗和手术治疗，在患病早期，通常在临床中可以通过药物很好地控制由于患有帕金森病而导致的物理行为，如静止性震颤等临床症状，但是随着帕金森病患者病情的发展，患者的步态异变、震颤等症状会给患者的生活质量带来严重的影响，需要不同程度的手术介入治疗。如果能够正确评估患病风险及严重程度，依此及时、合理地指导治疗，这样对帕金森患者及可疑患者的病症控制、生活质量提高等方面都具有显著性的意义。

在基于步态信号的帕金森病诊断和判别领域中，已有方法大多是提取与病症有关联的时频参数，输入到各种不同的分类器，以实现帕金森诊断和风险判别的目的。而人体步态信号本质上可以看作是由复杂动力学系统产生的复杂非平稳信号，仅仅采用时频参数显然不足以刻画帕金森步态中蕴含的动态本质特性。

发明内容

针对上述背景和存在的问题，本发明提出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，提供一种更为形象的直观的图形，将帕金森患者的多维非线性步态动力学特征参数映射到二维空间中以图形方式显示，可在一定程度上提醒临床医生帕金森病的高危人群及其危险程度。

本发明的具体技术方案通过如下步骤实现：

步骤一、步态时间参数数据获取：

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数据，包括左脚跨步间隔、右脚跨步间隔、左脚站立间隔、右脚站立间隔、双脚支撑间隔这5列时间序列步态参数；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(T为步态时间)。

步骤二、数据预处理：

将步骤一中采集到的步态时间参数数据进行中值滤波，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。

其中，模糊熵值衡量的是步态时间参数序列新模式产生的概率大小，测度值越大，新模式产生的概率越大，即序列复杂度越大。该特征的提取方法如下：

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：