[发明专利]一种基于步态的帕金森病识别系统

权利要求书

1.一种基于步态的帕金森病识别系统，其特征在于：包括传感器模块(1)、计算模块(2)和界面模块(3)，所述传感器模块(1)、计算模块(2)、界面模块(3)相互电性连接；

所述传感器模块(1)包括三轴加速度传感器、三轴陀螺仪传感器，三轴加速度传感器、三轴陀螺仪传感器分别设置有三个，对应佩戴在使用者的左手、右手、左脚处；

所述计算模块(2)包括分类模型，所述分类模型包括若干个机器学习的分类模型和一个深度神经网络mLSTM的分类模型，根据传感器数据进行计算；

所述界面模块(3)包括前端和后端，给使用者可视化体验。

2.根据权利要求1所述的一种基于步态的帕金森病识别系统的使用方法，其特征在于：包括如下步骤：

S1：使用者数据的获取；

S2：对数据进行预处理；

S3：对数据进行滤波处理；

S4：对数据样本进行扩充；

S5：数据进行特征提取；

S6：对数据结果进行分类；

S7：根据数据做出判断。

3.根据权利要求2所述的一种基于步态的帕金森病识别系统的使用方法，其特征在于：所述步骤S1中，使用者左右手以及左脚处佩戴传感器模块(1)中的传感器，在长度为9～12米的走道上来回走动，来回走动次数为3～5次；所述传感器模块(1)中传感器获得数据，并传递到计算模块(2)中。

4.根据权利要求3所述的一种基于步态的帕金森病识别系统的使用方法，其特征在于：所述传感器模块(1)所获取的数据为十八维的时序数据，获取的数据带有时间戳，为毫秒级别的数据，采集的频率为1000HZ。

5.根据权利要求2所述的一种基于步态的帕金森病识别系统的使用方法，其特征在于：所述步骤S2中，对重复数据进行去重处理，计算模块(2)对传感器模块(1)中三组传感器时间戳进行识别，选择开始时间戳中的最大者作为基础时间，并删除其余两组传感器中基础时间之前的数据，并对齐时间轴。

6.根据权利要求2所述的一种基于步态的帕金森病识别系统的使用方法，其特征在于：所述步骤S3中，计算模块(2)选取DB4小波基为母小波对原始数据进行离散小波变换，每一层中将高频的部分删除，将低频的部分继续分解为高频和低频的部分，每次缩减二分之一的频率；设置Level为5，将Level1至Level5的高频部分删除，只保留五次小波分解后剩余的部分。

7.根据权利要求2所述的一种基于步态的帕金森病识别系统的使用方法，其特征在于：所述步骤S4中，首先计算所有值的平均值，给所有点减去平均值使波形震荡在X轴附近，然后对样本做中值滤波，过滤掉毛刺，之后遍历所有节点，从加速度超过0.5m/s²的部分开始记录，直到小于0.5m/s²的部分结束，由此得到划窗，最终过滤掉划窗过短的样本，划窗内获得扩充后的样本。

8.根据权利要求2所述的一种基于步态的帕金森病识别系统的使用方法，其特征在于：所述步骤S5中，选择数据的最大最小值之差、最大值、平均值、平均绝对值、均方根、标准差、偏斜度、零点数量、变异系数作为特征；所述传感器模块(1)设置有六个传感器，在XYZ轴三个方向获得数据，每组数据提起九个特征，共获得162维数据；使用降维公式对数据进行降维，最终获得54组数据；所述降维公式为：

9.根据权利要求2所述的一种基于步态的帕金森病识别系统的使用方法，其特征在于：所述步骤S6中，应用交叉验证随机从样本中选取数据作为测试集，其余数据作为训练集，所述测试集和训练集的比例为1:1～2；将特征归一化处理，使得样本的期望为0，方差为1，并使用分类模型进行分类；所述分类模型包括SVM、XGBoost、Adaboost、LDA、LR模型。

10.根据权利要求2所述的一种基于步态的帕金森病识别系统的使用方法，其特征在于：所述步骤S7中，基于步骤S6中数据的结论，给出诊断内容。