帕金森病步態(tài)信號的非線性波動(dòng)分析.pdf

1、原發(fā)性帕金森病(Parkinson's disease，PD)是一種慢性運(yùn)動(dòng)功能障礙性疾病，其病癥是一個(gè)逐漸惡化的過程，而步態(tài)障礙是它早期的癥狀。步態(tài)的檢測和分析能夠?yàn)镻D的早期診斷提供依據(jù)，幫助醫(yī)生采用適當(dāng)?shù)闹委熁蛑中g(shù)來防止疾病的進(jìn)一步惡化。邁步周期信號(stride time signals)是由壓力敏感系統(tǒng)采集到的垂直地面反作用力預(yù)處理后的步態(tài)信號，可以作為一種無創(chuàng)的帕金森病早期檢測技術(shù)。計(jì)算機(jī)輔助邁步周期信號分析，能夠有效提高

2、信號分類的準(zhǔn)確率，有利于患者病情的臨床診斷。
　　首先，本文采用非線性信號分析方法提取了47名受試者右腳的邁步周期信號的多種特征，包括Higuchi分形維數(shù)(Higuchi fractal dimension，HFD)、轉(zhuǎn)向計(jì)數(shù)(signal turns count，STC)、近似熵(approximate entropy, ApEn)、符號熵(normalized corrected Shannon entropy，NCSE)和

3、AR模型自回歸系數(shù)。結(jié)果顯示，相比于正常人，帕金森病患者的這些非線性特征值均比較大且具有顯著性差異，這表明了PD患者的步態(tài)動(dòng)力學(xué)更加隨機(jī)、復(fù)雜。
　　接著，本文提出采用留一交叉驗(yàn)證法的Fisher線性判別分析(FLDA)、支持向量機(jī)(SVM)、廣義線性模型(GLM)和多層感知神經(jīng)網(wǎng)絡(luò)分類器(MLP)對邁步周期信號進(jìn)行分類。其中，1）基于STC特征，SVM分類的總準(zhǔn)確率為87.23％，其ROC曲線下的面積(Az)為0.8889，優(yōu)于

4、FLDA和GLM（準(zhǔn)確率均為85.11％），F(xiàn)LDA的Az為0.8812，GLM的Az為0.8822，而MLP的分類效果最差（準(zhǔn)確率為82.98％）。2）基于HFD特征，SVM、FLDA和GLM的分類效果是一樣的，它們的準(zhǔn)確率為85.11％，對PD患者的邁步周期信號比較敏感（靈敏度為0.931）。3）基于AR(4)自回歸系數(shù)特征，SVM得到較高的準(zhǔn)確率78.72％，特異度為0.8889，其Az為0.8084。4）ApEn和NCSE這兩個(gè)