[发明专利]早期帕金森的可穿戴辅助筛查设备

说明书

本发明公开了一种早期帕金森的可穿戴辅助筛查设备，属于数据处理技术领域，本发明获取三轴加速度及三轴角速度，对三轴加速度及三轴角速度通过时相分割模型分割步态时相，获得时相特征，从三轴加速度及三轴角速度中提取时域数据，并将所述时域数据转化为频率特征，对所述当前时相特征和当前频率特征进行主成分分析处理，获得主要步态特征，根据所述主要步态特征通过初步筛查模型进行早期帕金森筛查，避免步态特征单一、且获取特征步骤较简单，筛查效率高，准确性好，解决了早期帕金森筛查的困难。

技术领域

本发明涉及数据处理技术领域，特别涉及一种早期帕金森的可穿戴辅助筛查设备。

背景技术

帕金森病(Parkinson’s Disease，PD)是目前仅次于阿尔兹海默症的第二大神经退行性疾病，全球有超过一千万名帕金森患者，而这个数据到2050年可能再翻一番。近年来，美国、欧盟等都对脑部疾病的研究做出了重大战略部署，如欧盟地平线2020项目，项目任务包括移动设备监测与评估帕金森患者症状及商业化应用探索等，我国也在“十三五”规划建议中指出，在健康领域实现“前沿医疗技术突破”。目前对于PD的诊断大都在病情明显后通过医生主观观察评估，中国医患资源失衡，加之一些方法局限于环境和侵入式的缺点不能在日常生活中普及，使得PD早期诊断十分困难。目前筛查帕金森病症的主要方法是通过对患者足底压力建模分析，对健康人群和帕金森病症患者的步态差异分类，达到筛查患者的目的。

2014年，龙岩学院的曾玮等人提取步态足底压力特征进行神经网络建模、辨识，构建动态估计器，根据特征数据与动态估计器的误差进行分类，辅助筛查帕金森病患者的异常步态；2015年，中国科学院的许胜强等人提取三维力数据和足底压力数据，用GA遗传算法筛选出最佳的步态参数，对患者共和正常人的行走能力进行评估。

而基于步态足底压力的特征分析，提取步态足底压力特征的分析方法，此类方法获取的步态特征单一、且获取特征步骤较繁琐。

发明内容

为解决上述的全部或部分的技术问题，本发明提供了一种早期帕金森的可穿戴辅助筛查设备。

本发明提供的一种早期帕金森的可穿戴辅助筛查设备，其特征在于，所述早期帕金森的可穿戴辅助筛查设备包括：数据感知模块和主控器；

所述数据感知模块，用于采集用户完成预设动作时的当前三轴加速度及当前三轴角速度；

所述主控器，用于对所述当前三轴加速度及当前三轴角速度进行零相位滤波；

所述主控器，还用于对滤波后的所述当前三轴加速度及当前三轴角速度通过时相分割模型分割步态时相，获得当前时相特征；

所述主控器，还用于从滤波后的所述当前三轴加速度及当前三轴角速度中提取当前时域数据，并将所述当前时域数据转化为当前频率特征；

所述主控器，还用于对所述当前时相特征和当前频率特征进行主成分分析处理，获得主要步态特征；

所述主控器，还用于根据所述主要步态特征通过初步筛查模型进行早期帕金森筛查。

优选地，所述数据感知模块，还用于采集测试者完成预设动作时的样本三轴加速度及样本三轴角速度；

所述主控器，还用于获取对所述样本三轴加速度及样本三轴角速度进行零相位滤波；

所述主控器，还用于将所述样本三轴加速度、样本三轴角速度及其延迟项作为字典Ω的候选项，用随机森林在字典Ω中进行候选项选取，通过选取的候选项训练以RBF为核函数的SVM，得到所述时相分割模型，对滤波后的所述样本三轴加速度及样本三轴角速度通过所述时相分割模型分割步态时相，获得样本时相特征；

所述主控器，还用于从滤波后的所述样本三轴加速度及样本三轴角速度中提取样本时域数据，并将所述样本时域数据转化为样本频率特征；