【例会】论文”Parkinson’s disease classification using gait characteristics and wavelet-based feature extraction”学习报告

报告人:唐晨

参加人员:

教师:阙夏

学生:唐晨、段优、刘杰、滕越、陈绪、高思、刘超、张永、陶勇森。

请假人员:殷越、江思源、姚小慧、胡庭进、景波、严金戈。

报告内容:这篇论文作者采用步态特征的帕金森病分类和基于小波的特征提取。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。

整个实验分成4个阶段进行设计。分别是第一个阶段提取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。

实验使用了PhysioBank提供的数据库,其中包括93名PD患者和73名健康人。预处理采用了三种方式,分别是(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,使用小波变换提取步态特征,并将其作为输入,以加权模糊隶属函数神经网络(NEWFM)进行分类。文章在最后给出了三种方法的比较结果,其中方法三有较好的实验结果。

个人心得:本文以小波变换提取步态特征,并以此作为输入在神经网络中进行分类。这种方法给出了特征提取的一种新思路,以小波变换从信号中提取特征,更加的可靠和稳定,对于后续的分类有着巨大的好处。

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.

2 Responses to 【例会】论文”Parkinson’s disease classification using gait characteristics and wavelet-based feature extraction”学习报告

  1. 刘 杰 says:

    小波变换在数学领域被认为是现代傅里叶分析的重大突破,它优于傅里叶变换的地方在于它在时域和频域同时具有良好的局部化性质,可以聚焦到信号的任意细节,被誉为数学显微镜。本文主要利用小波变换提取步态特征,从而使提取结果更加稳定可靠,便于后续进一步分类工作的开展。另外,小波变换在人脸识别研究方面也发挥着重要作用,特别是基于Gabor函数的小波变换。

    • 刘 杰 says:

      另外在最后的分类工作中,训练和测试用了相同数量的数据,文章对利用小波变换获得的特征数据采用了三种不同的处理公式获得相应的结果,文章将结果分为了三类:所有人被正常分类的概率,被分类成患者中是真患者的概率,被分类成正常人中是真的正常人的概率。按这三种结果,第三种方式除了被分类成正常人中是真的正常人的概率最低之外其他都最高。但如果用另一种统计结果来看(患者被误分为正常人的概率),第三种处理方法的这一误分率是第二种的三倍,是第一种的6倍。而再看正常人被误分为患者的概率,第三种方式这一误分率最低,但也接近50%;综上可以看出,整体精度达到80%看似很高,但其实本质是不论患病还是正常,文章所用分类方式都会较大概率的将人分为患者,精度能达到80%是因为拿来做测试的人数中患者是正常人的两倍多,而我国65岁以上人群PD的患病率大约是1.7%,所以真实情况中也许正常人远多于患者,这在实际中就存在一个问题,如果你是正常人,用文章所阐述的方式,你有接近一半的可能被误诊,导致这一方法并不显得那么有效。所以也许在这一方面也许文章有待提高,降低正常人的被误诊率是需要做的工作。

发表评论