[发明专利]基于步态运动信息进行早期PD和ET的鉴别方法

权利要求书

1.一种基于步态运动信息进行早期PD和ET的鉴别方法，其特征在于，包括以下步骤：

数据采集：对患者的诊断数据样本进行采集，收集多个参数信息；

特征构建：将参数进行新的构建，得到214个单一特征；

特征选择：首先对于每一个单一特征，计算在曼-惠特尼U检验下的P值；根据P值的大小选择在统计上具有显著差异的单一特征作为显著的单一特征；然后将显著的单一特征代入相关算法中计算AUC值，利用AUC值的大小来选取特征；

模型构建：构建加权平均集成分类模型；

模型代入：将受试者的相关数据代入至加权平均集成分类模型内，从而对PD和ET进行鉴别。

2.根据权利要求1所述的基于步态运动信息进行早期PD和ET的鉴别方法，其特征在于，在数据采集过程中，首先需要对患者的数据进行采集前，需要对患者进行筛选，避免存在严重认知功能下降及明显精神症状疾病，无法配合试验；患者因骨关节、神经肌肉疾病、外伤或躯体疼痛等原因导致对行走姿态有影响，以及患者心脏、肝、肾、肺等存在严重的功能不全疾病中的一种或多种的患者进行排除，不进行后续试验。

3.根据权利要求1所述的基于步态运动信息进行早期PD和ET的鉴别方法，其特征在于，将患者进行设备的穿戴，穿戴位置包括胸、腰、左右手腕、左右大腿、左右小腿及左右脚部位置，穿戴完毕后按照要求完成起立行走试验收集多个参数信息。

4.根据权利要求3所述的基于步态运动信息进行早期PD和ET的鉴别方法，其特征在于，将收集到的参数信息来构建机器学习分类模型，从而鉴别早期PD和ET。

5.根据权利要求4所述的基于步态运动信息进行早期PD和ET的鉴别方法，其特征在于，以患者的诊断结果为因变量，以214个单一特征作为自变量构建数据集。

6.根据权利要求1所述的基于步态运动信息进行早期PD和ET的鉴别方法，其特征在于，计算每一个单一特征在曼-惠特尼U检验下的P值，当P值小于0.05时，认定该特征在PD和ET患者之间存在统计上的显著差异，并且认定该单一特征为显著特征，然后利用五折交叉验证法计算每一个显著特征在逻辑回归模型下的AUC值。

7.根据权利要求6所述的基于步态运动信息进行早期PD和ET的鉴别方法，其特征在于，选取AUC≥0.6的特征，共有33个特征，以这33个特征建立基于步态的加权平均集成分类模型。

8.根据权利要求1所述的基于步态运动信息进行早期PD和ET的鉴别方法，其特征在于，收集用户的参数信息，代入至加权平均集成分类模型内，根据输出结果，对用户是PD还是ET进行有效鉴别。