论文部分内容阅读
帕金森病是一种多发于老年患病人群的神经系统功能退行性疾病。运动迟缓症状是帕金森病常见的运动障碍症状,该症状可直接影响帕金森病患者的日常生活。运动迟缓症状的临床评估方式主要为量表评估,但量表评估往往存在诊断结果主观性较强、诊断误差较大的问题。针对帕金森病运动迟缓临床量化诊疗需求,本文主要以基于惯性传感器的可穿戴检测评估为方向,设计数据采集方案和实验环境,收集帕金森病患者与健康对照组的临床信息和运动数据,从运动数据中提取能够表征运动迟缓的特征参数,构建帕金森病运动迟缓的量化评估机器学习模型。实验结果表明:神经网络多层感知机算法(MLP)对帕金森病患者和正常受试者的分类准确率达97%以上,梯度提升迭代决策树算法(GBDT)对运动迟缓症状量化分级的分类准确率达84%以上。本文研究验证了基于惯性传感器的帕金森病运动迟缓量化测评方法的可行性,所提取的定量指标及检测方法对于之后相关领域的研究和临床辅助诊断和治疗有一定的参考价值。以下为本文的主要研究工作:(1)深入调研可穿戴设备在帕金森病运动迟缓症状量化评估中的应用情况和研究现状,并针对运动迟缓症状构建基于多个传感器及多个运动任务的量化评估体系。(2)参照UPDRS量表设计实验数据采集方案,包括设计实验任务、搭建实验场地、筛选实验受试者和收集实验数据。(3)设计数据处理算法,对所采集的原始数据预处理后,进行时域及频域分析,提取可用于运动迟缓量化评估的特征参数集,根据特征参数集和受试者临床信息建立用于定量分析和评估运动迟缓症状的数据集,并对数据集进行标准化预处理。(4)非平衡数据处理,针对数据集的非平衡问题,探索多种非平衡数据处理方法,最终采用S mote+Tmoke链接的重采样方法对数据集进行重新采样,以获得均衡的数据集。(5)基于特征参数集的统计分析,筛选出可用于帕金森病运动迟缓量化评估的评价指标,建立运动迟缓的量化评估模型,对模型进行性能评估。(6)根据所建立的运动迟缓量化评估模型,设计开发基于惯性传感器的帕金森病运动迟缓量化评估应用系统,该系统提供患者基本信息管理、帕金森病初筛及帕金森病量化评估等功能,为临床辅助诊疗提供工具。