【论文导读】使用步态特征的帕金森病分类和基于小波的特征提取

摘要:帕金森病是由多巴胺神经元的神经细胞缺乏而发生的代表性变性疾病,指示帕金森病的四个主要特征症状是震颤,僵硬,姿势不稳定,和运动迟缓。使用基于小波的特征提取,并以此作为神经网络的输入来进行帕金森病分类,可以得到较好的分类效果。

Sang-Hong Lee教授等人采取四个阶段来完成实验的设计。第一个阶段提取PD患者和健康人的垂直地面反作用力;第二个阶段对提取的反作用力做预处理;第三个阶段使用小波变换对预处理后的数据进行变换,提取步态特征;最后阶段将提取的步态特征作为输入,在神经网络中进行分类。

在实验中,使用了PhysioBank提供的数据库,其中包括93名PD患者和73名健康人。数据库包括了在水平地面上以受试者自选的速度步行约2分钟得到的垂直地面反作用力,受试者每个脚下面分布有八个传感器,所有的16个传感器的各个输出被数字化并以每秒100个的速率进行采样并记录。

 

 QQ图片20161023122907

预处理采用了如下三种方式:(1)使用两个信号之间的差异,每个信号代表来自一只脚的八个传感器输出的总和;(2)使用左脚下的八个传感器的垂直地面反作用力输出中的最大和最小记录之间的差;(3)对方法2中获得的记录用方法1进行处理。

对预处理过后的数据,Sang-Hong Lee教授等人使用小波变换提取步态特征。通过连续小波变换生成近似系数和详细系数,并以子带中系数绝对值的均值、中值、平均功率、标准偏差和相邻子带绝对值的比率为标准,提取了40个特征。

将得到的40个特征作为输入,以加权模糊隶属函数神经网络NEWFM进行分类。NEWFM提供了一种非重叠的面积分布测量方法,以便能够选择最小特征,通过使用最小特征,实现了特征选择以获得更好的性能,例如更高的精度和更低的操作成本。实验中,对于三种方法的结果均进行了比较,其中方法3表现出较好的性能。

1

Sang-Hong Lee教授等人提出的运用小波变换提取步态特征的方法,给出了步态特征提取的新思路。同时,有望在更多的领域内得到运用。

参考文献:Lee S H, Lim J S. Parkinson’s disease classification using gait characteristics and wavelet-based feature extraction[J]. Expert Systems with Applications, 2012, 39(39):7338–7344.

anyShare分享到:
This entry was posted in 新闻动态. Bookmark the permalink.

发表评论