帕金森病（Parkinsons Disease,PD）是一種常見的神經(jīng)系統(tǒng)變性疾病,在繼阿爾茨海默氏癥后被列為世界第二常見疾病�；颊邤�(shù)量的大量增加,引起了研究者的關(guān)注。從患者的發(fā)病癥狀中的差異來判斷患者病情的嚴(yán)重程度已是一種常態(tài),但由于患者對(duì)于自身病情的發(fā)展變化并不敏感,而評(píng)分表這類判定方法會(huì)受自身記憶的影響。因此,從外界評(píng)定的角度客觀地對(duì)帕金森病患者的病情嚴(yán)重程度進(jìn)行評(píng)估十分有必要。目前,大多數(shù)的帕金森病嚴(yán)重程度判別方法都是利用表面機(jī)電圖和可穿戴傳感器采集PD患者單側(cè)肢體的震顫信號(hào),進(jìn)行特征參數(shù)的提取,分析特征參數(shù)與病情變化的相關(guān)性,選取特定的參數(shù)對(duì)病情嚴(yán)重程度進(jìn)行量化。這類方法的不足是選取的量化參數(shù)與震顫信號(hào)的一致性問題不能確定,并且單點(diǎn)檢測(cè)通常選取PD患者震顫最為嚴(yán)重的一側(cè)作為信號(hào)采集點(diǎn),這就導(dǎo)致了在對(duì)PD患者病情嚴(yán)重程度評(píng)估中會(huì)夸大其病情的可能。針對(duì)上述的研究方法的不足,提出了基于多點(diǎn)檢測(cè)的帕金森病震顫評(píng)估方法的研究。與基于單點(diǎn)檢測(cè)的量化方法區(qū)別在于:信號(hào)采集點(diǎn)為PD患者身體的雙側(cè),并且選取與病情嚴(yán)重程度相關(guān)的特征來學(xué)習(xí)分類模型。較之單點(diǎn)檢測(cè)的量化方法更為貼近PD患者的真實(shí)病情... 

【文章來源】：西華大學(xué)四川省

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 目前存在的問題
    1.4 研究內(nèi)容
    1.5 論文結(jié)構(gòu)
    1.6 本章小結(jié)
2 帕金森病各階段運(yùn)動(dòng)病癥分析與總體方案設(shè)計(jì)
    2.1 帕金森病臨床運(yùn)動(dòng)癥狀簡介
    2.2 臨床帕金森病病情嚴(yán)重程度評(píng)估
        2.2.1 Hoehn-Yahr分級(jí)表
        2.2.2 UPDRS量表
    2.3 帕金森病震顫嚴(yán)重程度評(píng)估標(biāo)準(zhǔn)
    2.4 總體方案設(shè)計(jì)
    2.5 本章小結(jié)
3 帕金森病震顫信號(hào)的采集、預(yù)處理以及特征參數(shù)提取
    3.1 帕金森病震顫信號(hào)
    3.2 多點(diǎn)震顫信號(hào)的采集
        3.2.1 震顫信號(hào)采集裝置及系統(tǒng)
        3.2.2 震顫信號(hào)采集部位
        3.2.3 震顫信號(hào)數(shù)據(jù)存儲(chǔ)
    3.3 震顫信號(hào)的預(yù)處理
        3.3.1 采集到的震顫信號(hào)中包含的噪聲
        3.3.2 帶通濾波器
    3.4 帕金森病震顫信號(hào)特征參數(shù)的提取
        3.4.1 時(shí)域內(nèi)特征參數(shù)
        3.4.2 頻域內(nèi)特征參數(shù)
    3.5 本章小結(jié)
4 帕金森病震顫評(píng)估方法
    4.1 基于GBDT的PD震顫分類方法
    4.2 基于禁忌搜索算法優(yōu)化SVM的PD震顫分類方法
        4.2.1 基于SVM的PD震顫分類方法
        4.2.2 SVM參數(shù)選取分析
        4.2.3 基于禁忌搜索算法優(yōu)化SVM的PD震顫分類方法
    4.3 結(jié)合TS-SVM和DS證據(jù)理論的PD震顫評(píng)估方法
        4.3.1 DS證據(jù)理論
        4.3.2 基于TS-SVM與DS證據(jù)理論的PD震顫評(píng)估模型
    4.4 仿真結(jié)果與分析
        4.4.1 研究對(duì)象組成與樣本收集
        4.4.2 分類方法的性能評(píng)價(jià)指標(biāo)
        4.4.3 基于GBDT的PD震顫分類仿真結(jié)果
        4.4.4 基于禁忌搜索算法優(yōu)化SVM的PD震顫分類仿真結(jié)果
        4.4.5 結(jié)合TS-SVM和DS證據(jù)理論的PD震顫評(píng)估仿真結(jié)果
    4.5 本章小結(jié)
5 帕金森病震顫評(píng)估系統(tǒng)實(shí)現(xiàn)
    5.1 PD震顫評(píng)估系統(tǒng)設(shè)計(jì)
        5.1.1 系統(tǒng)體系結(jié)構(gòu)設(shè)計(jì)
        5.1.2 數(shù)據(jù)庫設(shè)計(jì)
    5.2 系統(tǒng)開發(fā)及功能描述
        5.2.1 系統(tǒng)開發(fā)
        5.2.2 系統(tǒng)功能模塊
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 A 公式參量名稱表
附錄 B 縮略詞
攻讀碩士學(xué)位期間發(fā)表論文及科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于可穿戴傳感器的帕金森病患者肢體末端震顫的檢測(cè)[J]. 武文豪,吳曦,沈林勇,錢晉武.  生物醫(yī)學(xué)工程研究. 2017(01)
[2]支持向量機(jī)與證據(jù)理論在信息融合中的結(jié)合[J]. 周皓,李少洪.  傳感技術(shù)學(xué)報(bào). 2008(09)
[3]一種基于指數(shù)損失函數(shù)的多類分類AdaBoost算法及其應(yīng)用[J]. 胡金海,駱廣琦,李應(yīng)紅,汪誠,尉詢凱.  航空學(xué)報(bào). 2008(04)
[4]綜合康復(fù)訓(xùn)練對(duì)帕金森病患者平衡和步行能力的影響[J]. 馬超,伍少玲,曾海輝,陸士紅,麥明泉.  中國康復(fù)醫(yī)學(xué)雜志. 2006(07)
[5]支持向量機(jī)分類器中幾個(gè)問題的研究[J]. 朱永生,張優(yōu)云.  計(jì)算機(jī)工程與應(yīng)用. 2003(13)

碩士論文
[1]帕金森患者震顫信號(hào)提取及量化方法研究[D]. 梁雅慶.西華大學(xué) 2016
[2]microRNA對(duì)多巴胺能神經(jīng)元分化的調(diào)節(jié)[D]. 何詩怡.南昌大學(xué) 2013
[3]用于手持設(shè)備生理性震顫消除裝置的感測(cè)技術(shù)研究[D]. 湯景.哈爾濱工程大學(xué) 2013



本文編號(hào)：3020028