一種輔助篩查帕金森癥的異常步態識別方法
【技術領域】
[0001] 本發明涉及一種輔助篩查帕金森癥的基于足底壓力特征的異常步態識別方法。
【背景技術】
[0002] 人的步行運動是一個精確而復雜的過程，其運動方式由中樞神經系統和反饋機制 之間的動態相互作用所決定。一些老年疾病以及一些神經性疾病都會導致上述過程發生問 題。人在行走過程中，中樞神經系統中產生運動意識的運動神經與下肢產生動作的肌肉之 間存在一個信號傳導通路，如果該通路存在運動信號傳遞障礙，其直接表征就是人的異常 步態。老年人中常見的疾病，如帕金森癥（Parkinson' s Disease)等，都會引發異常步態， 因此基于異常步態可以對帕金森癥等神經退行性疾病進行輔助篩查和檢測。流行病學顯 示，帕金森癥的患病率為15~328/10萬人口，65歲以上人群患病率約1%，發病率為10~ 21/10萬人口 /年。其臨床表現包括了運動過緩、肌強直、靜止性震顫、步態異常、認知/精 神異常、睡眠障礙、自主神經功能障礙、感覺障礙等。帕金森癥病因及發病機制尚未明確，可 能與社會因素、藥物因素、患者因素等有關，對其進行早期篩查檢測具有重要意義。雖然目 前醫學上有很多檢測診斷的技術手段，如抽血化驗、表面肌電圖（Electromyography:EMG) 信號分析、CT、核磁共振、基因測試、腰椎穿刺等，但是這些手段通常比較麻煩，并且都伴隨 一定程度的創傷。
[0003] 正常步態的動力學特征，如足底壓力、關節力矩等在步與步之間通常呈現出復雜 的波動特性。而帕金森癥患者的步態在足底壓力的變化上與正常步態有著顯著的差別，左 右腳對應位置的足底壓力呈現出明顯的左右不對稱性。無論是帕金森癥患者還是健康人 群，他們步態的動力學特性都具有復雜的非線性性質，這主要是因為人類動力學系統的非 線性特征。帕金森癥患者步態的動力學特性與健康正常人之間存在重要的差異。而如何對 非線性步態系統動態進行建模，并基于這兩類人群之間在步態系統動力學上的差異進行區 分，以輔助篩查檢測帕金森癥，則缺少相應的研宄，也是其中的難點問題。
[0004] 異常步態的檢測本質上可以看作是一個動態模式的辨識與識別問題，而動態模式 識別本身就是模式識別領域的難題之一。在對徑向基函數（RBF)神經網絡的持續激勵特性 研宄的基礎上，C. Wang等提出了確定學習理論，其中包括對非線性動力學系統產生的動態 模式的辨識、表達和快速識別方法，即通過確定學習獲得動態模式內在系統動態的局部準 確神經網絡建模，把隨時間變化的動態模式以時不變且空間分布的方式有效地表達，進一 步利用動態模式內在的動力學拓撲相似給出動態模式之間的相似性定義，并提出了對動態 模式進行快速識別的一套新方法。
【發明內容】
[0005] 本發明的目的在于克服現有技術的缺點與不足，提供一種輔助篩查帕金森癥的異 常步態識別方法，為判別帕金森癥患者的異常步態提供一種更為簡潔準確的篩查檢測方 法。
[0006] 本發明一種輔助篩查帕金森癥的異常步態識別方法，包括以下步驟：
[0007] 步驟1、通過足底壓力傳感器分別采集每個帕金森癥患者和健康正常人的足底壓 力特征數據，構成一組步態特征變量，所采集的若干帕金森癥患者和健康正常人的足底壓 力特征數據形成訓練集；
[0008] 步驟2、根據步驟1提取的步態特征變量，對訓練集里健康正常人和帕金森癥患者 的未知非線性步態系統動態進行建模，設計RBF神經網絡辨識器，對步態系統未知動態的 局部進行逼近；
[0009] 步驟3、常值神經網絡的建立：
[0010] 根據確定學習理論，沿步態系統特征軌跡的RBF神經網絡的神經元滿足持續激勵 條件，其權值收斂到最優值，取權值收斂后一段時間內權值的均值作為學習訓練結果，并利 用這些結果建立常值神經網絡，所學到的步態系統動力學知識以常值神經網絡權值的形式 存儲，構成一個訓練步態模式庫；
[0011] 步驟4、通過足底壓力傳感器分別采集每個待測帕金森癥患者的足底壓力特征數 據，構成一組步態特征變量，采集的若干待測帕金森癥患者的足底壓力特征數據形成測試 集；
[0012] 步驟5、分類檢測：
[0013] 利用常值神經網絡構建一組動態估計器，把步驟2和步驟3學習到的訓練步態模 式庫里健康正常人和帕金森癥患者所對應的非線性步態系統動力學知識嵌入到動態估計 器中，把待檢測帕金森癥患者的步態特征數據與這組動態估計器做差，形成一組分類誤差， 根據最小誤差原則將待檢測帕金森癥患者的異常步態檢測出來，實現對帕金森癥的輔助檢 測。
[0014] 進一步的，在步驟1和4中，采用步態分析數據庫PhysioNet，通過放置在試驗者鞋 底的壓力傳感器來采集人體左右腳各8個對稱位置的足底壓力特征數據，選取其中差異最 為明顯的兩組左右腳對稱位置的足底壓力特征數據，構成一組足底壓力特征變量。
[0015] 進一步的，步驟2中，未知非線性步態系統動態建模如下：
【主權項】
1. 一種輔助篩查帕金森癥的異常步態識別方法，其特征在于包含如下步驟： 步驟1、通過足底壓力傳感器分別采集每個帕金森癥患者和健康正常人的足底壓力特 征數據，構成一組步態特征變量，所采集的若干帕金森癥患者和健康正常人的足底壓力特 征數據形成訓練集； 步驟2、根據步驟1提取的步態特征變量，對訓練集里健康正常人和帕金森癥患者的未 知非線性步態系統動態進行建模，設計RBF神經網絡辨識器，對步態系統未知動態的局部 進行逼近； 步驟3、常值神經網絡的建立： 根據確定學習理論，沿步態系統特征軌跡的RBF神經網絡的神經元滿足持續激勵條 件，其權值收斂到最優值，取權值收斂后一段時間內權值的均值作為學習訓練結果，并利用 這些結果建立常值神經網絡，所學到的步態系統動力學知識以常值神經網絡權值的形式存 儲，構成一個訓練步態模式庫； 步驟4、通過足底壓力傳感器分別采集每個待測帕金森癥患者的足底壓力特征數據，構 成一組步態特征變量，采集的若干待測帕金森癥患者的足底壓力特征數據形成測試集； 步驟5、分類檢測： 利用常值神經網絡構建一組動態估計器，把步驟2和步驟3學習到的訓練步態模式庫 里健康正常人和帕金森癥患