[发明专利]一种辅助筛查帕金森症的异常步态识别方法

权利要求书

1.一种辅助筛查帕金森症的异常步态识别方法，其特征在于包含如下步骤：

步骤1、通过足底压力传感器分别采集每个帕金森症患者和健康正常人的足底压力特征数据，构成一组步态特征变量，所采集的若干帕金森症患者和健康正常人的足底压力特征数据形成训练集；

步骤2、根据步骤1提取的步态特征变量，对训练集里健康正常人和帕金森症患者的未知非线性步态系统动态进行建模，设计RBF神经网络辨识器，对步态系统未知动态的局部进行逼近；

步骤3、常值神经网络的建立：

根据确定学习理论，沿步态系统特征轨迹的RBF神经网络的神经元满足持续激励条件，其权值收敛到最优值，取权值收敛后一段时间内权值的均值作为学习训练结果，并利用这些结果建立常值神经网络，所学到的步态系统动力学知识以常值神经网络权值的形式存储，构成一个训练步态模式库；

步骤4、通过足底压力传感器分别采集每个待测帕金森症患者的足底压力特征数据，构成一组步态特征变量，采集的若干待测帕金森症患者的足底压力特征数据形成测试集；

步骤5、分类检测：

利用常值神经网络构建一组动态估计器，把步骤2和步骤3学习到的训练步态模式库里健康正常人和帕金森症患者所对应的非线性步态系统动力学知识嵌入到动态估计器中，把待检测帕金森症患者的步态特征数据与这组动态估计器做差，形成一组分类误差，根据最小误差原则将待检测帕金森症患者的异常步态检测出来，实现对帕金森症的辅助检测。

2.根据权利要求1所述的辅助筛查帕金森症的异常步态识别方法，其特征在于，在步骤1和4中，采用步态分析数据库PhysioNet，通过放置在试验者鞋底的压力传感器来采集人体左右脚各8个对称位置的足底压力特征数据，选取其中差异最为明显的两组左右脚对称位置的足底压力特征数据，构成一组足底压力特征变量。

3.根据权利要求1所述的辅助筛查帕金森症的异常步态识别方法，其特征在于：步骤2中，未知非线性步态系统动态建模如下：

x.=F(x;p)+v(x;p)]]>

其中，x＝[x₁,…,x_n]^T∈Rⁿ是步骤1提取到的足底压力特征变量，p是系统常参数值，n为足底压力特征变量的维数；

F(x；p)＝[f₁(x；p),…,f_n(x；p)]^T是光滑且未知的非线性动态变量，代表了健康正常人和帕金森症患者的步态系统动态，v(x；p)＝[v₁(x；p),…,v_n(x；p)]^T是建模不确定项，将二者合并为并定义为一般非线性步态系统动态；

(2)设计神经网络辨识器用于辨识：

采用动态RBF神经网络构造神经网络辨识器，动态RBF神经网络辨识器形式如下：x^.=-A(x^-x)+W^TS(x),]]>其中x^=[x^1,...,x^n]]]>是选取的足底压力特征变量；A＝diag[a₁,…,a_n]是对角矩阵，a_i是设计的常数，满足0＜|a_i|＜1，是动态RBF神经网络，用来逼近未知的一般非线性步态系统动态S(x)＝[S₁(‖X-ξ₁‖,…,S_N(‖X-ξ_n‖]^T是高斯型径向基函数，N＞1是神经网络结点数目，ξ_i是神经元中心点，RBF神经网络权值的调节律如下：

W^.i=-ΓiS(x)x~i-σiΓiW^i,i=1,...,n,]]>

其中，i表示n维足底压力特征变量中第i维变量，是状态误差，Γ_i＝Γ_i^T＞0,σ_i＞0是调节律的调节参数，动态RBF神经网络的权值的初始值

步骤3中建立常值神经网络的具体做法:

根据确定学习理论，沿步态系统特征轨迹的RBF神经网络的神经元满足持续激励条件，其权值收敛到最优值，取权值收敛后一段时间内权值的均值作为学习训练结果，并利用这些结果建立常值神经网络所学到的步态系统动力学知识以常值神经网络权值的形式存储，构成一个训练步态模式库；所述常值神经网络权值由如下式子表征：其中，[t_a,t_b]代表常值神经网络权值在完成向其最优值收敛的过渡过程之后的一个时间段，这样使得可由常值神经网络进行局部准确逼近：

其中，ε_i2是逼近误差；

步骤5中分类检测，具体如下：

根据训练步态模式库中健康正常人和帕金森症患者的常值神经网络权值构造一组动态估计器,表述如下：

χ‾ik=-bi(χ‾ik-xti)+W‾ikTS(xti),i=1,...,n,k=1,...,M,]]>

其中，χ_i为动态估计器的状态，b_i为动态估计器参数，x_ti为测试集中待检测帕金森症患者的步态特征数据，k表示M个训练模式中的第k个训练模式，M为训练步态模式库中的模式总量；

将测试集中待检测帕金森症患者的步态特征数据x_ti与这组动态估计器做差，得到如下的分类检测误差系统：

其中，是状态估计误差，计算的平均L₁范数如下：

||χ~ik(t)||1=1Tc∫t-Tct|χ~ik(τ)|dτ,t≥Tc,]]>

其中，T_c表示步态周期；

分类检测策略如下：如果存在一个有限时间t^s，s∈{1,…,k}和某一i∈{1,…,n}，使得对所有t＞t^s成立，则出现的待检测帕金森症患者的异常步态模式被分类检测出来。