基于可穿戴设备和分类算法对帕金森病运动症状进行自动客观评分.pdfVIP

目 录 中文摘要I 英文摘要 III 常用缩写词中英文对照表 V 前 言 1 1 对象与方法 3 1.1 受试者选择 3 1.2 信号采集 3 1.3 特征提取 2 4.2 模型构建 3 4.1 统计分析 4 2 结 果 5 2.1 该模型可检测不同程度的运动迟缓 5 2.2 不同时间段正确率不同 5 2.3 不同维度正确率不同 5 3 讨 论 7 3.1 手指拍打试验的客观评估及量化 7 3.2 手指拍打试验的特点 8 4 结 论 10 参考文献 11 综 述 13 附 录 26 致 谢 32 个人简介 33 山西医科大学硕士学位论文 基于可穿戴设备和分类算法对帕金森病运动症状进行自动 客观评分 摘 要 目的： 采用可穿戴设备和支持向量机（SVM）客观评估UPDRS 运动迟缓中手指拍打试验 的评分结果，期望获得运动迟缓的客观得分，消除临床上的不一致评价结果。 方法： 本研究收集了40 例受试者双手的手指拍打试验数据共79 条作为研究对象；数据 采集采用两个便携式运动传感器，安装在受试者拇指和食指上，受试者被要求执行30 秒的手指拍打试验，同时，在临床上使用统一UPDRS 量表中手指拍打项目进行评分。 随机选取其中的60 条作为训练数据，19 条作为预测数据，选择准确度作为评估最佳 模型的默认指标，并计算了包括召回率，kappa 系数，F1-score 和均方误差(MSE)在 内的指标，使用支持向量机（SVM）构建模型，对比两个传感器的不同维度以及数据 的时长对于模型的影响。 结果： 共记录双手79 项评估，其中14 项为0 分，35 项为1 分，20 项为2 分，10 项为 3 分。结果显示在测试集中正确率为73.7%，其中0s-10s 正确率为47.4%，10s-20s 正确率为84.2%，20s-30s 正确率为63.2%，结果显示10s-20s 正确率最高，因此提 示采集数据的时长至少为20s，且应以第二段数据（10-20 秒数据）作为评价时段。 其次我们比较了第二段数据中，两个传感器的不同维度对模型准确度的影响，本实验 只比较单个传感器的不同维度是否对模型有影响，结果显示Y2+Z2 通道准确率最高为 68.4%。因此，提取食指及拇指上2 个传感器所有维度的数据作为特征输入后， SVM 模型正确率较高。 I 山西医科大学硕士学位论文 结论： 在我们的研究中，展示了基于传感器和 SVM 分类方法来客观评估 FT，并得到了 一致性评价，结果显示全时段评估正确率为73.7%，第二时段（20-20 秒）准确率最 高为84.2%，结果表明，使用运动传感器和SVM 分类方法，采用2 个传感器及 10-20 秒采集时间，可有效对UPDRS 评分手指拍打试验进行分级。 关键词：帕金森病；运动迟缓；手指拍打试验；客观评价；支持向量机 II 山西医科大学硕士学位论文 Wearable sensor and classification algorithms-based automatic objective scoring of motor symptoms in Parkinson Abstract Objective: Based on the wearable device and support vector machine (SVM) to automatically and objectively evaluate the score results o