基于经验模态分解的膝骨性关节炎步态分类

发布时间：2020-12-19 13:46

　　提出了一种新颖的基于经验模态分解（Empirical Mode Decomposition,EMD）和神经网络的膝骨性关节炎步态模式特征提取与分类的方法,可用于区分病理性步态和正常步态。对19例膝骨性关节炎患者和28例作为对照组的正常人进行实验研究,并采用2-折（Two-Fold）和留一（Leave-One-Out）交叉验证法可以分别达到91.3%和93.6%的分类准确度。与其他最新的方法相比较,该分类方法能有效地区分作为对照者的正常人和膝骨性关节炎患者之间的步态模式,具有较好的分类效果和显著的有效性。 

【文章来源】：龙岩学院学报. 2020年05期

【文章页数】：7 页

【部分图文】：

基于EMD和神经网络对膝骨性关节炎步态模式进行分类的方法框图

一种便携式的基于标记的运动分析系统[10]

从表2、表3、图3和图4可以看出,两组人的IE旋转和PD位移有明显的不同,这意味着以膝关节运动为代表的两组人的步态动力学是不同的。图4 膝骨性关节炎患者和对照组的PD位移样本

【参考文献】：
期刊论文
[1]基于PCA和SVM的管道腐蚀超声内检测[J]. 唐东林,魏子兵,潘峰,唐圳雄,李茂扬,胡琳.  传感技术学报. 2018(07)
[2]采用循环叠加经验模态分解的去噪算法[J]. 赵旦峰,许聪,张扬,兰海燕.  哈尔滨工程大学学报. 2010(06)

硕士论文
[1]基于Lempel-Ziv复杂度和信号分解的心颤与心动信号分析方法研究[D]. 夏德玲.济南大学 2016



本文编号：2926008