[发明专利]一种帕金森肌强直症状量化评估方法和装置

权利要求书

1.一种帕金森肌强直症状量化评估方法，其特征在于，包括：

获取预处理的用户的多模态检测数据；

在基于所述预处理的用户的多模态检测数据获取的用户运动模式为异常的情况下，基于神经传导层量化评估模型，获取神经传导层预测向量；

在基于所述预处理的用户的多模态检测数据获取的用户运动模式为异常的情况下，基于非神经传导层量化评估模型，获取非神经传导层预测向量；

将串联的所述神经传导层预测向量和所述非神经传导层预测向量输入融合模型，获取帕金森肌强直症状的量化评估值；

所述多模态检测数据包括运动学数据、生物力学数据和电生理学数据；

所述在基于所述预处理的用户的多模态检测数据获取的用户运动模式为异常的情况下，基于神经传导层量化评估模型，获取神经传导层预测向量，包括：

基于短时傅里叶变换方法，获取电生理学数据的时频分布特征，所述时频分布特征包括瞬时频率和谱熵信息；

基于所述时频分布特征的平均绝对偏差值，获取神经传导层输入向量；

将所述神经传导层输入向量输入预先构建的神经传导层量化评估模型，获取神经传导层预测向量，其中，所述神经传导层量化评估模型基于前馈神经网络进行构建；

所述在基于所述预处理的用户的多模态检测数据获取的用户运动模式为异常的情况下，基于非神经传导层量化评估模型，获取非神经传导层预测向量，包括：

基于运动学数据，确定用户运动中虚拟最小急动度轨迹与实际运动轨迹之间的偏差；

基于所述虚拟最小急动度轨迹与实际运动轨迹之间的偏差，获取均值特征和标准差特征；

基于生物学数据，利用机械阻抗模型，获取上肢的惯量特征、阻尼特征和刚度成分系数；

将拼接的所述均值特征、标准差特征、惯量特征、阻尼特征和刚度成分系数确定为非神经传导层输入向量；

将所述非神经传导层输入向量输入预先构建的非神经传导层量化评估模型，获取非神经传导层预测向量，其中，所述非神经传导层量化评估模型基于机器学习算法构建。

2.根据权利要求1所述的帕金森肌强直症状量化评估方法，其特征在于，所述获取预处理的用户的多模态检测数据，包括：

获取用户的多模态检测数据，并基于所述多模态检测数据进行数字化转换；

对数字化转换的多模态检测数据进行预处理；

基于运动片段，对预处理的数字化转换的多模态检测数据进行分段处理，其中，所述运动片段基于所述运动学数据变化获取。

3.根据权利要求2所述的帕金森肌强直症状量化评估方法，其特征在于，所述对数字化转换的多模态检测数据进行预处理，包括：

对所述运动学数据进行滤波和归一化；

对所述生物力学数据进行滤波和归一化；

对所述电生理学数据进行整流和滤波，获取所述电生理学数据的包络数据。