基于个性化人体行为识别的原发性震颤评估方法研究

发布时间：2021-03-03 12:26

　　原发性震颤（Essential Tremor,ET）是一种进行性神经系统疾病,临床主要表现为上肢不自主的颤抖,严重影响患者的日常生活,准确评估震颤水平对患者的健康管理起着至关重要的作用。目前在临床上广泛使用的是震颤评估表,依赖于医生的经验和知识使得诊断结果存在差异,而且无法反映患者在日常活动中的真实震颤水平。如何全面而准确的评估患者真实的震颤水平是目前研究的难点。人体行为识别（Human Activity Recognition,HAR）已经成为泛在感知领域的一项重要任务,特别是在医疗和健康应用方面,其主要目的是从可穿戴传感器设备获取的数据中提取人体行为知识。目前,利用人体行为识别技术进行原发性震颤评估已经取得了长足的进展,但还存在以下三类问题。首先,大部分研究工作没有在评估患者震颤水平时考虑患者的背景活动,忽略了不同背景活动下的震颤水平存在不一致的问题;其次,一些研究使用健康人员的行为数据训练得到通用的行为识别系统,没有考虑震颤患者的运动模式与健康人存在差异,模型在识别患者的行为时表现不好;最后,目前使用可穿戴设备进行震颤评估的研究大多使用浅层模型,评估准确性还有待提高。针对没有考虑... 

【文章来源】：上海师范大学上海市

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

研究框架

第2章相关理论基础上海师范大学硕士学位论文11对全面且准确的评估患者的真实震颤水平起到关键作用。2.2.2可穿戴设备运动传感器在最近的研究中被用来检测和评估原发性震颤，这种方法被证明比传统的震颤评估表更有效和客观[50-53]。近年来可穿戴技术的快速发展为采集运动数据提供了更加便捷的解决方案，大多数可穿戴设备中都嵌入了加速度计，可以在日常活动中高精度的记录人体运动数据。智能手表、智能手环[54]、智能眼镜等可穿戴设备在很多研究中被用于日常活动中监测ET[55-57]。研究[34]已经验证了使用可穿戴运动传感器收集震颤波动数据的可行性。在[58]上发表的研究使用了一个由智能手表、智能手机和远程服务器组成的便携式系统来监测ET患者的日常活动，并证明了基于加速度数据的震颤分析结果与神经病学家的震颤评估结果与之间存在很强的相关性。图2-1震颤等级为4级的患者（左）和健康人（右）在画螺旋图时留下的样本为了更加全面的评估患者的震颤等级，在最新的研究中设计了6种不同的背景活动，并利用可穿戴设备采集患者在执行动作时产生的运动数据。图2-1展示了在使用更受影响的手执行画螺旋图动作时，震颤等级为4级的ET患者（左）和健康人（右）留下的样本。可以明显的看出震颤患者在执行动作时，手臂不自主的颤抖，留下的笔迹也是弯弯曲曲的，而健康人的笔迹则是顺滑流畅。使用评估表无法捕获患者运动时的震颤表现，因此使用传感器采集的用户运动数据来分析患者在各个背景活动中表现出的震颤等级，从而全面的评估患者真实的震颤水平是研究的目标。

上海师范大学硕士学位论文第2章相关理论基础12(a)x轴(b)y轴(c)z轴图2-2三种震颤等级的触摸鼻子活动的三轴加速度波形图图2-2展示了不同震颤等级的患者在执行触摸鼻子活动时，三轴加速度计采集到的手腕处的时序信号。D0表示健康人的数据，并且已经使用均值滤波器去除了信号中的随机噪声，D2和D3分别为震颤等级为2级和3级的患者的数据。由图(b)和(c)可以看出在执行触摸鼻子活动时震颤主要表现在y轴和z轴，同样可以发现，随着震颤等级的增加加速度信号的振幅和频率也增加了，由于不同震颤等级之间的运动信号的形状、振幅和频率互不相同，需要具有较强泛化能力且鲁棒性高的模型从数据中获取深层次的、表征能力强的特征。提出的集成CNN和LSTM的深度模型Eval-net，使用多维度时序信号融合算法将三轴加速度时序信号转换成二维的活动张量作为输入，能包含更多的时间特征、空间特征、信号之间的关联特征以及长时间依赖特征，利用深度网络的高维度特

【参考文献】：
期刊论文
[1]中国老年人跌倒风险评估专家共识(草案)[J].   中国老年保健医学. 2019(04)
[2]2015～2100年中国人口与老龄化变动趋势[J]. 翟振武,陈佳鞠,李龙.  人口研究. 2017(04)



本文编号：3061261