← 返回列表

一种基于行为学分析的早期帕金森病智能筛查方法及系统

申请号: CN202311820788.6
申请人: 西安工程大学
申请日期: 2023/12/27

摘要文本

本发明涉及帕金森病筛查领域,具体涉及一种基于行为学分析的早期帕金森病智能筛查方法及系统,包括以下步骤:S1采集人类或者动物的运动数据以绘制运动轨迹图和热力图;S2对运动轨迹图和热力图进行预处理得到标准化数据集;S3基于孪生DenseNet神经网络构建特征提取器,并基于多层感知机和Softmax构建分类器,使用特征提取器分别对运动轨迹图和热力图进行关键特征提取,再对提取的特征进行多源特征融合,以融合后的特征利用既定的分类器进行分类,从而构建早期帕金森精准识别初步模型;S4对初步模型进行训练与调优得到早期帕金森病精准识别模型;S5使用测试集数据进行模型测试,完成早期帕金森识别。以实现帕金森病筛查大规模推广、提高筛查的准确性和效率。

专利详细信息

项目 内容
专利名称 一种基于行为学分析的早期帕金森病智能筛查方法及系统
专利类型 发明申请
申请号 CN202311820788.6
申请日 2023/12/27
公告号 CN117694836A
公开日 2024/3/15
IPC主分类号 A61B5/00
权利人 西安工程大学
发明人 魏炜; 罗鑫迪; 界璐; 胡振远; 郝子坤; 解鹏越; 卫建华; 张晓丹; 赵瑞
地址 陕西省西安市金花南路19号

专利主权项内容

1.一种基于行为学分析的早期帕金森病智能筛查方法,其特征在于,包括以下步骤:S1,采集人类或者动物的运动数据,以绘制运动轨迹图和热力图;S2,对S1中的运动轨迹图和热力图进行预处理得到标准化数据集,再对所述标准化数据集按照6 : 1 : 3的比例将先采集的数据划为训练集和验证集,后采集的数据划分为测试集;S3,基于孪生DenseNet神经网络构建特征提取器,并基于多层感知机和Softmax构建分类器,使用所述特征提取器分别对所述运动轨迹图和热力图进行关键特征提取,再对提取的关键特征通过融合模块进行多源特征融合,然后以融合后的特征为基础,利用分类器进行分类,从而构建早期帕金森精准识别初步模型;S4,使用S2中的训练集和验证集对所述初步模型进行训练和调优,得到早期帕金森病精准识别模型;S5,使用测试集数据进行模型测试,完成早期帕金森识别模型测试,并计算模型性能。