论文部分内容阅读
帕金森病(Parkinson’s Disease,PD)是一种全球范围的、患病率仅次于阿兹海默氏症的神经退行性脑部疾病,严重影响患者的身心健康和生活质量。据统计,全球有超过1000万名PD患者,其中近300万在中国。PD如果能被尽早发现,可以及时诊断、治疗,较好地控制疾病发展,有效改善病人生活质量。运动症状是PD诊断的重要依据,主要表现为震颤、迟缓、僵硬、步态障碍、平衡障碍。目前临床上一般采用量表评估运动功能,受到患者主诉和医生判断的主观性限制。震颤和冻结步态(Freezing of Gait,FOG)是典型的PD运动症状表现,对此类事件的自动检测具有重要的临床价值。本文基于可穿戴惯性传感器设备,研究关于震颤和FOG关键事件的识别方法,并在此基础上进行PD早期发现的研究。本文根据临床量表和实验的思想,设计了适合测量震颤和诱发FOG事件的实验,并以佩戴于手腕、小腿、腰间的一套五节点6轴惯性传感器系统测量患者运动数据,在合作医院采集了90例患者、不同时间共110例次,健康老年对照组共17例(次)的运动数据用于研究。本文设计了站立位和坐位的震颤实验以获得震颤事件的运动数据。根据PD震颤特征表现为4~7Hz的近似正弦运动,本文采用基于Burg自回归(autoregressive,AR)法的功率谱密度分析(power spectral density,PSD)获取频谱特征,对同一段信号计算均方根(Root Mean Square,RMS)判断频谱特征有效性,并引入震颤时间占比参数处理间歇震颤,从而实现了PD病人的震颤识别。经过与视频记录比较分析,识别结果的敏感性为91.7%,特异性为90.9%。本文设计了行走-认知双重任务实验及单任务行走对比实验来诱发FOG。根据FOG发生时腿部伴随2~6Hz震颤这一特征,本文基于时域步态周期识别改进了传统PSD方法,并根据频谱、能量和时域特征对正常、FOG、转身等步态实现识别。该方法对FOG实验识别敏感性为100%,特异性为88.9%,对FOG小段识别敏感性为84.7%。本文在以上研究的基础上,结合PD病症的僵直、迟缓、姿势障碍等特征,研究PD早期发现的方法。本文对患者的轮替动作信号(对不同动作采用不同特征轴的信号)的周期、极差、一次积分、动作单幅时间等参数的稳定性和对称性,单、双任务行走中步态参数的稳定性、对称性的对比,翻腕动作中的震颤和不规范水平位移等做了分析,结合震颤识别结果和FOG识别结果,对实验数据中的PD患者和健康对照组做PD检测,结果对早期PD患者的敏感性为75%,对所有PD患者敏感性为72.53%,特异性为81.82%。