[发明专利]一种基于KINECT骨骼数据的帕金森病症计算机辅助判别方法

摘要

本发明公开了一种非接触式帕金森症检测的方法。解决了接触式可能带来的干扰被检测者正常行走的问题，降低了硬件成本与设备的复杂性。方法包括通过kinect采集骨骼数据；提取中心点，对该点坐标序列作低通滤波，得到新序列；提取“行走周期人体最矮点”计算步行周期；计算运动学参数和步幅参数。对六组参数序列进行单因素方差分析，根据结果和箱线图选择可实验数据，获得被检测者步行常态数据。A.由新数据，计算左右脚相邻帧位移序列，计算相关系数判断对称性；若对称性符合PD即疑似PD；B.对中心点移步加速度序列，通过患者HMM模型参数计算观测序列出现的概率，判断是否为PD患者。A和B同时满足即确诊PD。

主权项

一种基于kinect骨骼数据的帕金森症计算机辅助判别方法，包括以下步骤：通过kinect获取步行一次人体骨骼数据三维坐标序列；选择Mid‑Center点，对数据进行低通滤波；对新序列每一点计算瞬时变化率，得变化序列，根据序列变化曲线求每个循环最低值为“行走周期内人体最矮点”和并计算周期；根据周期计算出步幅参数序列和运动学参数序列；对步幅参数序列，1)使用单因素方差分析筛选出行走常态数据。2)根据稳态数据分别计算左右脚位移序列。3)计算两个序列的皮尔逊相关系数作为相关程度，对比左右脚对称性。4)作出结论：对称系数小于正常人，即极有可能患有PD。对于运动学参数，1)对收集的PD症患者加速度序列进行DBSCAN聚类，聚类结果作为HMM观察序列。2)运用Baum‑Welch算法学习模型参数。3)根据模型参数，用前向算法计算观测序列出现的概率，大于阈值则极有可能患有PD症。