[发明专利]一种基于智能移动终端操作行为识别的手指灵活度检测模型的构建方法

说明书

本发明公开了一种基于智能移动终端操作行为识别的手指灵活度检测模型的构建方法，该方法通过收集用户与智能移动终端之间的交互行为数据，提取手掌几何特征、手指灵巧度特征等，从而检测判定当前智能移动终端用户的手指灵活度。本发明基于智能移动终端平台，能够在不给用户添加任何负担的情况下实现便捷、准确的检测用户的手指灵活度，本发明的方法可以应用于帕金森病的早期症状检测，也可以应用于其他运动障碍疾病的初步检测，具有极高的适用性与推广前景。

技术领域

本发明属于智能医疗健康领域，涉及一种基于智能移动终端操作行为识别的手指灵活度检测模型的构建方法。

背景技术

在医疗健康领域中，手指灵活度检测被广泛应用于帕金森病检测等领域。但在临床诊断过程中，医疗工作者往往使用肉眼观察患者的手指灵活度。这一过程需要丰富的诊断经验，且不可避免地会出现主观上的误差与误判。利用智能移动终端进行更为精准的检测，有着定量分析的优势与实用价值。

帕金森病(PD)是临床上第二常见的神经退行性疾病，随着全球老龄化的加速，PD的患病率也逐年提高，流行病学研究发现65岁人群中，PD的患病率约为1.7％，全球范围内其影响超过700万人，据统计，到2050年，全球PD病人中，将有50％的在中国，给整个中国社会造成巨大的压力。

帕金森病的主要运动症状是震颤、运动迟缓、肌强直和姿势平衡障碍，主要病理改变是中脑黑质多巴胺神经元的变性、丧失。当PD病人出现临床症状的时候，脑内多巴胺的水平只存10-20％，给后续的治疗带来了很大的困难，也很容易产生运动并发症。因此，研究者们一直在寻找早期诊断帕金森病的生物标记物，但是还没有找到一种可靠、特异的检测手段。当前检测帕金森病的方法主要分为临床诊断与人工神经网络模型预测法。临床诊断存在费时、费力、延迟诊断等问题，不能提供便捷实时的检测，不能作为筛查的手段；人工神经网络模型预测算法虽解决了以上的问题，但其普及难度较大，仍停留在医院计算机辅助检测阶段。

本发明根据PD患者的临床症状，设计了一种通过收集用户与移动终端之间的交互行为数据，提取手掌几何特征、手指灵巧度特征的方式，判定当前移动终端用户的手指灵活度，可以应用与帕金森等疾病的早期检测。基于智能移动终端平台，本方法能够在不给用户添加任何负担的情况下实现便捷、准确的检测用户手指灵活度。

发明内容

本发明提供一种基于智能移动终端操作行为识别的手指灵活度检测方法，通过收集用户与智能移动终端之间的交互行为，提取手掌几何特征及手指灵巧度特征的方式，判断当前智能移动终端用户的手指灵活度进而提醒用户是否有患病风险。

本发明的基于智能移动终端操作行为识别的手指灵活度检测方法，包括以下步骤：

1)交互行为数据的采集与行为特征的提取，用户与智能移动终端的触敏屏进行交互操作，用户交互手势包括滑动动作，与此同时，智能移动终端的压力传感器采集相应的交互数据，获得行为特征；

2)使用机器学习算法(KNN、SVM、CNN等)建立单分类训练器，其中以正常人行为特征数据作为负样本，以帕金森病患者行为特征数据作为正样本；针对滑动手势，采用三种角度的分类算法进行模型融合，具体模型架构如下：

①空间角度：通过提取整个滑动过程的坐标数据，并将每个坐标点处的压力大小与灰度值进行线性映射，形成整个滑动过程的灰度特征轨迹图，将问题转换为图像分类问题，再利用卷积神经网络(CNN)对灰度特征轨迹图进行处理；

②时间角度：将整个滑动过程中传感器信号转换为时间序列格式，并利用长短期记忆网络(LSTM)进行时序分类，获得判断结果。

③综合角度：根据前述的19个特征，采用经典的分类机器学习算法进行分类，所述的经典的分类机器学习算法包括KNN、SVM、Random Forest；