原發(fā)性震顫（Essential Tremor,ET）是一種進(jìn)行性神經(jīng)系統(tǒng)疾病,臨床主要表現(xiàn)為上肢不自主的顫抖,嚴(yán)重影響患者的日常生活,準(zhǔn)確評估震顫水平對患者的健康管理起著至關(guān)重要的作用。目前在臨床上廣泛使用的是震顫評估表,依賴于醫(yī)生的經(jīng)驗和知識使得診斷結(jié)果存在差異,而且無法反映患者在日常活動中的真實震顫水平。如何全面而準(zhǔn)確的評估患者真實的震顫水平是目前研究的難點。人體行為識別（Human Activity Recognition,HAR）已經(jīng)成為泛在感知領(lǐng)域的一項重要任務(wù),特別是在醫(yī)療和健康應(yīng)用方面,其主要目的是從可穿戴傳感器設(shè)備獲取的數(shù)據(jù)中提取人體行為知識。目前,利用人體行為識別技術(shù)進(jìn)行原發(fā)性震顫評估已經(jīng)取得了長足的進(jìn)展,但還存在以下三類問題。首先,大部分研究工作沒有在評估患者震顫水平時考慮患者的背景活動,忽略了不同背景活動下的震顫水平存在不一致的問題;其次,一些研究使用健康人員的行為數(shù)據(jù)訓(xùn)練得到通用的行為識別系統(tǒng),沒有考慮震顫患者的運動模式與健康人存在差異,模型在識別患者的行為時表現(xiàn)不好;最后,目前使用可穿戴設(shè)備進(jìn)行震顫評估的研究大多使用淺層模型,評估準(zhǔn)確性還有待提高。針對沒有考慮... 

【文章來源】：上海師范大學(xué)上海市

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究框架

第2章相關(guān)理論基礎(chǔ)上海師范大學(xué)碩士學(xué)位論文11對全面且準(zhǔn)確的評估患者的真實震顫水平起到關(guān)鍵作用。2.2.2可穿戴設(shè)備運動傳感器在最近的研究中被用來檢測和評估原發(fā)性震顫，這種方法被證明比傳統(tǒng)的震顫評估表更有效和客觀[50-53]。近年來可穿戴技術(shù)的快速發(fā)展為采集運動數(shù)據(jù)提供了更加便捷的解決方案，大多數(shù)可穿戴設(shè)備中都嵌入了加速度計，可以在日常活動中高精度的記錄人體運動數(shù)據(jù)。智能手表、智能手環(huán)[54]、智能眼鏡等可穿戴設(shè)備在很多研究中被用于日�；顒又斜O(jiān)測ET[55-57]。研究[34]已經(jīng)驗證了使用可穿戴運動傳感器收集震顫波動數(shù)據(jù)的可行性。在[58]上發(fā)表的研究使用了一個由智能手表、智能手機和遠(yuǎn)程服務(wù)器組成的便攜式系統(tǒng)來監(jiān)測ET患者的日常活動，并證明了基于加速度數(shù)據(jù)的震顫分析結(jié)果與神經(jīng)病學(xué)家的震顫評估結(jié)果與之間存在很強的相關(guān)性。圖2-1震顫等級為4級的患者（左）和健康人（右）在畫螺旋圖時留下的樣本為了更加全面的評估患者的震顫等級，在最新的研究中設(shè)計了6種不同的背景活動，并利用可穿戴設(shè)備采集患者在執(zhí)行動作時產(chǎn)生的運動數(shù)據(jù)。圖2-1展示了在使用更受影響的手執(zhí)行畫螺旋圖動作時，震顫等級為4級的ET患者（左）和健康人（右）留下的樣本。可以明顯的看出震顫患者在執(zhí)行動作時，手臂不自主的顫抖，留下的筆跡也是彎彎曲曲的，而健康人的筆跡則是順滑流暢。使用評估表無法捕獲患者運動時的震顫表現(xiàn)，因此使用傳感器采集的用戶運動數(shù)據(jù)來分析患者在各個背景活動中表現(xiàn)出的震顫等級，從而全面的評估患者真實的震顫水平是研究的目標(biāo)。

上海師范大學(xué)碩士學(xué)位論文第2章相關(guān)理論基礎(chǔ)12(a)x軸(b)y軸(c)z軸圖2-2三種震顫等級的觸摸鼻子活動的三軸加速度波形圖圖2-2展示了不同震顫等級的患者在執(zhí)行觸摸鼻子活動時，三軸加速度計采集到的手腕處的時序信號。D0表示健康人的數(shù)據(jù)，并且已經(jīng)使用均值濾波器去除了信號中的隨機噪聲，D2和D3分別為震顫等級為2級和3級的患者的數(shù)據(jù)。由圖(b)和(c)可以看出在執(zhí)行觸摸鼻子活動時震顫主要表現(xiàn)在y軸和z軸，同樣可以發(fā)現(xiàn)，隨著震顫等級的增加加速度信號的振幅和頻率也增加了，由于不同震顫等級之間的運動信號的形狀、振幅和頻率互不相同，需要具有較強泛化能力且魯棒性高的模型從數(shù)據(jù)中獲取深層次的、表征能力強的特征。提出的集成CNN和LSTM的深度模型Eval-net，使用多維度時序信號融合算法將三軸加速度時序信號轉(zhuǎn)換成二維的活動張量作為輸入，能包含更多的時間特征、空間特征、信號之間的關(guān)聯(lián)特征以及長時間依賴特征，利用深度網(wǎng)絡(luò)的高維度特

【參考文獻(xiàn)】：
期刊論文
[1]中國老年人跌倒風(fēng)險評估專家共識(草案)[J].   中國老年保健醫(yī)學(xué). 2019(04)
[2]2015～2100年中國人口與老齡化變動趨勢[J]. 翟振武,陳佳鞠,李龍.  人口研究. 2017(04)



本文編號：3061261