朱业安 1,2 , 徐唯祎 1 , 王睿 2 , 童杨 2 , 卢巍 3 , 王浩伦 1
  • 1. 华东交通大学 交通运输与物流学院人因工程实验室(南昌 330013);
  • 2. 华东交通大学 虚拟现实与交互技术研究院(南昌 330013);
  • 3. 江西省人民医院 康复医学科(南昌 330006);
导出 下载 收藏 扫码 引用

本文利用微软公司研发的体感周边外设(Kinect)获取偏瘫患者的步行轨迹数据,在此基础上实现了偏瘫步态的自动识别,并对识别特征的重要性进行了排序。首先,研究设立了试验组和对照组,两组受试者按要求分别完成规定的范式动作,经由 Kinect 实时获取受试者的步行轨迹数据。从获取的数据中可提取步态识别特征:步速、步幅、质心的移动范围(上下和左右方向)。然后,利用贝叶斯分类算法对这些特征构成的样本集进行分类学习,实现偏瘫步态的自动识别。最后,利用随机森林算法确定每个特征的重要性,通过对每个特征的重要性进行排序,可为病情诊断提供参考。本文研究结果表明,基于贝叶斯算法的分类准确率为 96%;使用随机森林算法确定的特征重要性排序为步速、步幅、质心左右偏移距离、质心上下偏移距离,而步速与步幅、步速与质心左右偏移距离的组合是偏瘫步态分析诊断的重要依据。本文研究结果或可为偏瘫步态的智能诊断提供新的思路和参考。

  • 上一篇

    日常无监督状态下的脉率变异性提取方法研究
  • 下一篇

    生物力学因素在青光眼评估中的应用研究综述