基于机器视觉建立冻结步态识别模型的方法

    公开(公告)号:CN114098714B

    公开(公告)日:2024-06-07

    申请号:CN202111342992.2

    申请日:2021-11-12

    摘要: 本发明公开了一种基于机器视觉建立冻结步态识别模型的方法,包括以下步骤:S1:让受试者进行步态实验并进行视频录制;S2:对受试者的试验视频中的人体骨架的关键点位置信号进行提取,完成2D人体运动感知;S3:根据2D人体运动感知,构建多组识别模型,识别模型包括动作识别模型、直行FoG识别模型和转身FoG识别模型。S4:以LOSO方法评估建立的识别模型进行算法评估,本发明采用机器视觉技术,对视频信息进行提取,采用基于Openpose的RGB技术提取人体的运动特征,并开发了一种分割动作阶段识别FoG的端到端FoG识别模型,从而对帕金森的早期筛查具有重要的意义。

    帕金森病运动功能评估方法、装置及电子设备

    公开(公告)号:CN117409969A

    公开(公告)日:2024-01-16

    申请号:CN202311508317.1

    申请日:2023-11-13

    IPC分类号: G16H50/30 G16H10/20 G06N20/00

    摘要: 本发明提供的一种帕金森病运动功能评估方法、装置及电子设备,包括:获取用户完成动作的图像数据和统一帕金森病评定量表的第三部分除肢体僵直及姿态稳定性评估题目的其他题目的评分;对图像数据进行预处理,得到预处理图像数据;提取预处理图像数据的面部特征和人体特征点的位置信息;将面部特征以及人体特征点的位置信息输入机器学习模型,输出用户的肢体僵直评分及姿态稳定性评分;根据肢体僵直评分及姿态稳定性评分以及其他题目的评分,确定用户统一帕金森病评定量表的第三部分得分,根据第三部分得分确定用户的帕金森病运动功能评估结果。该方法通过机器学习模型对图像中的面部特征以及人体特征点的位置信息进行直接评分,提升评估效率。

    一种冻结步态在线检测方法

    公开(公告)号:CN108629304A

    公开(公告)日:2018-10-09

    申请号:CN201810386698.3

    申请日:2018-04-26

    摘要: 本发明涉及机器学习技术领域,特别涉及是一种冻结步态在线检测方法。该方法包括:获取患者离线步行过程中的离线步态数据和离线步态视频,所述离线步态数据包括大腿加速度、大腿角速度、小腿加速度、小腿角速度以及足底压力;根据所述离线步态数据和所述离线步态视频,建立离线样本集;构建离线正常步态和离线冻结步态的朴素贝叶斯分类器;通过所述离线正常步态和离线冻结步态的朴素贝叶斯分类器以及所述在线步态数据,分别得到在线步行过程中,在线正常步态和在线冻结步态的概率得到检测结果。该方法可以实时快速、准确地检测出冻结步态,及时帮助发病患者恢复步行及正常活动。

    一种预测帕金森病DBS术后运动症状改善的系统

    公开(公告)号:CN113180609B

    公开(公告)日:2024-02-09

    申请号:CN202110500066.7

    申请日:2021-05-08

    IPC分类号: A61B5/00 G16H50/70

    摘要: 本发明涉及帕金森智能诊断领域,尤其涉及一种预测帕金森病DBS术后运动症状改善的系统;包括:采集患者的诊断数据、患者手术前MDS‑UPDRSIII的子项以及总项得分以及患者手术后药物开关期情况下DBS机器开关的总分样本;计算患者手术后在DBS机器开启以及关闭状态下的的得分变化值;基于获取的诊断数据、MDS‑UPDRSIII的子项以及总项得分以及的得分变化值建立逐步回归预测模型;输出用于预测患者手术效果的预测公式;利用预测公式在手术前对患者的手术后的评分进行计算预测;将变化值与术前得分整合得到预测的手术后总得分,能够在临床上在手术前预测病人是否适合进行手术,对帕金森的治疗具有重要意义。(56)对比文件刘志永;丁翠青;姚长青;王晓莉;杜永君;王忠义;王福朝.帕金森病患者行下腹或下肢手术全麻苏醒质量及认知功能的变化.临床麻醉学杂志.2015,(第05期),全文.

    基于步态运动信息进行早期PD和ET的鉴别方法

    公开(公告)号:CN114176575A

    公开(公告)日:2022-03-15

    申请号:CN202111496002.0

    申请日:2021-12-08

    IPC分类号: A61B5/11 A61B5/00

    摘要: 本发明公开了一种基于步态运动信息进行早期PD和ET的鉴别方法,包括以下步骤:数据采集:对患者的诊断数据样本进行采集,收集多个参数信息;特征构建:将参数进行新的构建,得到214个单一特征;特征选择:首先对于每一个单一特征,计算在曼‑惠特尼U检验下的P值;根据P值的大小选择在统计上具有显著差异的单一特征作为显著的单一特征;然后将显著的单一特征代入相关算法中计算AUC值,利用AUC值的大小来选取特征;模型构建:构建加权平均集成分类模型;模型代入:将受试者的相关数据代入至加权平均集成分类模型内,从而对PD和ET进行鉴别。本发明通过对收集到的相关特征进行处理后建立模型,保证模型稳定可靠,从而能有效对PD和ET进行有效鉴别。

    基于语音上下文动态特征的帕金森病检测方法

    公开(公告)号:CN112820279A

    公开(公告)日:2021-05-18

    申请号:CN202110270049.9

    申请日:2021-03-12

    摘要: 本发明公开了一种基于语音上下文动态特征的帕金森病检测方法,包括以下步骤:语音样本采集;语音信号预处理;语音特征的提取;建立语音检测模型;结合语音特征建立帕金森语音检测模型;利用帕金森语音检测模型对帕金森病的快速检测,针对现有的基于语音的帕金森预测技术中的特征过少、只采用静态特征、人为特征工程等问题导致的预测精度不高、系统的可用性不好的问题,本申请提供了一种基于语音上下文动态特征的帕金森病检测方法,通过利用双向长短时记忆循环神经网络建立帕金森语音检测模型,从而快速研判帕金森病。

    步长测量方法及其设备、系统、非易失性计算机存储介质

    公开(公告)号:CN110680335A

    公开(公告)日:2020-01-14

    申请号:CN201910950080.X

    申请日:2019-10-08

    IPC分类号: A61B5/11 A61B5/00 G06F30/20

    摘要: 本发明实施例涉及步长测量技术领域,公开一种步长测量方法及其设备、系统、非易失性计算机存储介质。其中,步长测量方法包括:在每个步态周期内,获取每只脚中大腿及小腿各自在人体运动矢状面内的摆动角度;获取两只脚在每个步态周期内的相对变化角度;确定大腿及小腿各自的长度;使用步长测量模型处理每只脚大腿及小腿各自在人体运动矢状面内的摆动角度、大腿及小腿各自的长度及相对变化角度,得到步长。因此,一方面,即使安装传感器的坐标系与人体解剖坐标系存在偏差,本方法还能够得到比较准确的步长。另一方面,在测量步长时,本方法无需预设校准动作,避免步长测量繁琐的问题。

    一种基于步态数据的康复训练效果评估方法、装置

    公开(公告)号:CN110638458A

    公开(公告)日:2020-01-03

    申请号:CN201910791257.6

    申请日:2019-08-26

    IPC分类号: A61B5/11 A61B5/00

    摘要: 本发明涉及生物信息技术领域,尤其涉及一种基于步态数据的康复训练效果评估方法、装置、运动评估设备及非易失性计算机可读存储介质。包括:采集帕金森病患者的第一步态数据,并基于第一步态数据提取第一特征向量;使用预设运动迟缓量化模型对第一特征向量进行分析,获得第一分析结果;采集帕金森病患者的第二步态数据,并基于第二步态数据提取第二特征向量,其中,第二步态数据为帕金森病患者使用康复训练方案进行康复训练后的步态数据;使用预设运动迟缓量化模型对第二特征向量进行分析,获得第二分析结果;判断第二分析结果是否优于第一分析结果;若是,则保持康复训练方案。由此能够对帕金森病患者的运动迟缓检测更加准确。