[发明专利]一种基于人体运动姿态的神经疾病辅助诊断系统

权利要求书

1.一种基于人体运动姿态的神经疾病辅助诊断系统，包括：

一数据采集模块，用于采集检查者的人体运动姿态数据；

一数据预处理模块，用于对人体运动姿态数据进行预处理；

一特征提取模块，用于从预处理后的人体运动姿态数据包含的人体姿态特征中提取步态相关特征，该步态相关特征包括；

一分类预测模块，包括针对步态相关特征的一分类预测模型，该分类预测模块用于将所述多维步态相关特征输入到该分类预测模型中，以对检查者进行诊断；

一检查报告生成模块，用于将对检查者诊断的结果生成可视化运动功能检查报告。

2.如权利要求1所述的系统，其特征在于，所述数据采集模块通过一深度摄像机采集人体运动姿态数据，该数据包括彩色信息流、深度信息流、骨骼信息流三种流数据。

3.如权利要求1所述的系统，其特征在于，所述数据采集模块采集检查者四组检查动作的动作数据，该四组检查动作包括手功能与下肢测试、座椅起立、站立位平衡、行走测试。

4.如权利要求1所述的系统，其特征在于，所述预处理包括对数据进行压缩、除噪、平滑处理；在预处理时，构建三通道的时序卷积模板，通过该模板在时序上滑动并实时进行卷积计算，通过高斯平滑处理，生成新的时序信息，降低高斯白噪声；所述平滑处理是指对帧率不均匀的视频进行均匀插帧处理，使其保持每秒30帧，同时对图像进行镜像翻转。

5.如权利要求1所述的系统，其特征在于，所述分类预测模型利用线性判别式分析对所述多维步态相关特征进行降维处理。

6.如权利要求1所述的系统，其特征在于，所述分类预测模型由一种基于机器学习算法的模型通过训练数据训练得到，该训练数据为预先采集的人体运动姿态数据所提取的23维步态相关特征。

7.如权利要求1或6所述的系统，其特征在于，所述多维步态相关特征为23维步态相关特征；所述23维步态相关特征包括步速、右步速均值、右步速方差、左步速均值、左步速方差、周期歩速均值、周期歩速方差、右步长均值、右步长方差、左步长均值、左步长方差、左右步长协调性、右步高均值、右步高方差、左步高均值、左步高方差、左右步高协调性、步宽均值、步宽方差、步距均值、步距方差、身体上部份Z角度均值、身体上部分Z角度方差。

8.如权利要求6所述的系统，其特征在于，所述基于机器学习算法的模型为基于高斯核函数支持的向量机、梯度提升树、K-近邻、随机森林、逻辑斯谛回归这五种算法其中一个的模型。

9.如权利要求8所述的系统，其特征在于，对基于上述五种算法的模型进行二分类训练，采用10折交叉验证的方式得到每一个模型的分类准确率、精确度、召回率、F1度量、ROC曲线下的面积，结合各算法的泛化能力，选择适合于人体运动姿态数据集的最佳模型作为分类预测模型。

10.如权利要求1所述的系统，其特征在于，所述可视化运动功能检查报告将三米步行、指鼻测试、下肢协调性测试这三个检查动作绘制成相关图表，以文字的形式给出辅助诊断建议。