[发明专利]一种辅助筛查帕金森症的异常步态识别方法

摘要

本发明公开了一种辅助筛查帕金森症的异常步态识别方法，基于提取的步态足底压力特征，对健康正常人和帕金森症患者的步态系统动态进行神经网络建模、辨识；建立常值神经网络；利用常值神经网络构建动态估计器，基于健康正常人和帕金森症患者的步态模式之间在步态系统动力学上的差异，根据最小误差原则区分帕金森症所引起的异常步态和一般健康人群的正常步态，实现对帕金森症的辅助筛查检测，本发明通过安装压力感应地板系统或穿戴带压力传感器鞋垫的特制鞋子，获取足底压力特征，可以方便简单、非侵入地区分帕金森症所引起的异常步态和一般健康人群的正常步态，实现家庭成员的日常步态监控和帕金森症的辅助筛查检测。

主权项

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。