發(fā)布時間：2018-02-26 09:18

  本文關(guān)鍵詞： 帕金森疾病 步態(tài)凍結(jié)識別 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò)　出處：《中國生物醫(yī)學(xué)工程學(xué)報》2017年04期 　論文類型：期刊論文

【摘要】：步態(tài)凍結(jié)(FOG)是晚期帕金森病患者最常見的癥狀,FOG的突然發(fā)作會造成患者的行走障礙。為患者佩戴FOG檢測可穿戴設(shè)備助手是一種有效可行的治療途徑,當檢測到FOG發(fā)作時,可穿戴設(shè)備助手為患者提供一段有節(jié)奏的聽覺信號刺激患者恢復(fù)行走。針對FOG檢測,提出一種系統(tǒng)式的特征學(xué)習(xí)方法。該方法采用一個基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò),對原始輸入信號自動地進行特征學(xué)習(xí)。采用監(jiān)督式學(xué)習(xí)方法利用標簽信息,使學(xué)習(xí)到的特征更具識別能力。在整個網(wǎng)絡(luò)模型中,特征學(xué)習(xí)和分類互相加強使整個網(wǎng)絡(luò)更加穩(wěn)定,更具智能化。通過DAPHNet數(shù)據(jù)集進行驗證,結(jié)果表明,該方法可以自動地進行特征學(xué)習(xí)并識別出步態(tài)凍結(jié)。與以往的閾值法實驗結(jié)果相比,平均正確率提高到91.43%,靈敏性提高到85.58%,特異性提高到了93.63%。該方法可以在一定程度上代替人工干預(yù),在處理頻繁出現(xiàn)FOG癥狀的帕金森患者的治療中具有重要意義。
[Abstract]:Gait freezing is the most common symptom in patients with advanced Parkinson's disease. The sudden onset of fog can cause walking disorders. Wearing a wearable device assistant for patients with FOG is an effective therapeutic approach when the onset of FOG is detected. Wearable device assistants provide a rhythmic auditory signal to stimulate patients to resume walking. For FOG detection, a systematic feature learning method is proposed, which uses a convolution neural network based on deep learning. The feature learning of the original input signal is carried out automatically. The supervised learning method is used to utilize the label information to make the features more recognizable. In the whole network model, the feature learning and classification reinforce each other to make the whole network more stable. The results show that the method can automatically learn features and recognize gait freezing. Compared with the experimental results of the previous threshold method, the proposed method is more intelligent. The average accuracy rate was increased to 91.43 and the sensitivity to 85.58 and the specificity to 93.63.The method can replace artificial intervention to some extent and is of great significance in the treatment of Parkinson's patients with frequent symptoms of FOG.
【作者單位】： 燕山大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金(61473339) 河北省青年拔尖人才支持計劃資助項目([2013]17) 中國博士后科學(xué)基金(2014M561202)
【分類號】：R742.5;TP183

【相似文獻】

相關(guān)期刊論文 前3條

1 崔亞迪;商亞珍;;神經(jīng)網(wǎng)絡(luò)與記憶[J];承德醫(yī)學(xué)院學(xué)報;2014年02期

2 韓冰,王濱生,王卓,谷靜芝,汪寶麟;基于神經(jīng)網(wǎng)絡(luò)的VEP波形自動識別方法[J];臨床腦電學(xué)雜志;1999年02期

3 何洪林;趙育新;錢俊;黃文才;;基于神經(jīng)網(wǎng)絡(luò)融合模型的頭顱灌注圖像分析[J];醫(yī)療衛(wèi)生裝備;2013年01期

相關(guān)碩士學(xué)位論文 前1條

1 王立華;小世界神經(jīng)網(wǎng)絡(luò)刺激參數(shù)的研究[D];蘭州理工大學(xué);2011年

，

本文編號：1537408