本发明专利技术涉及一种脑电特征的代理测量及伪多模态冻结步态检测方法、装置，该方法包括：获取患者的步态信号；根据所述步态信号，重构患者的脑电信号的节律分量，并用于帕金森冻结步态检测。本发明专利技术提供的技术方案，通过患者步态信号，运用端到端的神经网络代理测量模型，重构患者的脑电信号的节律分量，实现信息从步态特征数据到脑电数据的跨传感器迁移，无需使用价格昂贵的脑电检测装置即可间接获取到能够用于患者冻结步态检测的脑电信号的节律分量，成本低、可穿戴性好、用户体验度好、满意度高；同时，避免了复杂的脑电采集准备过程和复杂的后续脑电数据预处理过程，为帕金森患者的健康管理、病程监测、疗效评估提供了新方法。疗效评估提供了新方法。疗效评估提供了新方法。
【技术实现步骤摘要】
脑电特征的代理测量及伪多模态冻结步态检测方法、装置
[0001]本专利技术涉及冻结步态检测
，具体涉及一种脑电特征的代理测量及伪多模态冻结步态检测方法、装置。
技术介绍
[0002]帕金森疾病是一种常见于老年人的神经退行性疾病，已成为全球仅次于阿尔茨海默病的第二大脑神经疾病。许多帕金森患者表现出各种运动和非运动症状，如静止性震颤、运动迟缓、记忆障碍、焦虑和睡眠障碍等，极大影响着日常生活。
[0003]冻结步态是帕金森疾病最棘手的症状之一，容易导致患者摔倒而造成生命安全危险。患者在冻结步态发作时常表现为难以起步，行走时双脚像被粘在地上，无法行进，双腿颤抖等等。常见的冻结步态诱发因素包括急促的起身或行走，通过狭窄通道以及突然的转弯等等。患者在未发作冻结步态时，行走与正常人一样。尽管在生活中冻结步态现象比较常见，但是由于冻结步态的病理机制尚不明确，冻结步态的发作时间仍然难以准确及时地检测到，极大阻碍了冻结步态的预防与干预。
[0004]可穿戴惯性传感器无论在实验室还是居家环境中都是检测冻结步态的最常用解决方案。惯性传感器常被安装在与患者运动相关的身体部位，如腰部、胸背部、上肢和下肢等等，采集各种惯性信号(如加速度、角速度等)来进行冻结步态检测。同时，近期研究表明脑电信号为冻结步态发作的预测和神经机制的理解提供了重要信息。在冻结步态研究中，相关研究观察到帕金森患者伴随着θ和α频带的功率增加以及β和γ功率的降低。除了关注单模态特征外，许多研究聚焦于多模态特征融合以提高冻结步态检测性能。常用的多模态信息包括加速度、角速度、步态特征(例如步幅和步速)、大脑和心脏活动、眼球运动，肌电信号等等，然后使用基于统计检验或机器学习的方法进行特征选择过程。
[0005]然而，基于多模态的冻结步态检测的实际应用存在一定的局限。一方面，多模态信号的采集通常采用独立的子系统进行，导致检测系统可穿戴性差、成本高、实际使用不便等问题。例如，脑电信号的采集需要提前进行耗时的准备工作，设备成本昂贵，可穿戴性差，不适合持续监测患者的大脑活动。另一方面，大多数基于多模态冻结步态检测的研究都是采用不同生理特征的简单拼接或组合实现，忽略了可能在冻结步态检测中发挥重要作用的跨模态连接信息。如何在保证多模态特征融合质量的同时增强用户的可穿戴体验仍然是一项具有挑战性的任务。
技术实现思路
[0006]有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种脑电特征的代理测量及伪多模态冻结步态检测方法、装置，以解决现有技术中通过脑电检测装置直接获取脑电信号，价格昂贵、准备时间长、可穿戴性差、无法实现长期监测的问题。
[0007]为实现以上目的，本专利技术采用如下技术方案：
[0008]根据本专利技术实施例的第一方面，提供一种脑电特征的代理测量方法，包括：
[0009]获取患者的步态信号；
[0010]根据所述步态信号，重构患者的脑电信号的节律分量；
[0011]所述步态信号至少包括：患者的步态加速度信号。
[0012]优选地，所述获取患者的步态信号，至少包括：
[0013]通过至少一个安装在患者左腿外侧胫骨处或者右腿外侧胫骨处三轴加速度传感器，获取患者的步态加速度信号。
[0014]优选地，所述节律分量包括：
[0015]来自额零Fz通道的δ、θ、α、β子带分量；
[0016]来自枕一O1通道的δ、θ、α、β子带分量；
[0017]来自中央零Cz通道的δ、θ、α、β子带分量。
[0018]优选地，所述根据所述步态信号，重构患者的脑电信号的节律分量，包括：
[0019]对所述步态信号进行预处理，得到预处理后的步态信号；
[0020]将预处理后的步态信号的时间序列及其延时序列，输入到训练后的端到端的神经网络代理测量模型中，得到所述患者的脑电信号的节律分量。
[0021]优选地，
[0022]所述端到端的神经网络代理测量模型为LSTM模型；
[0023]所述LSTM模型通过以下方法训练得到，包括：
[0024]构建LSTM模型结构，包括：输入层、特征提取层和输出层；
[0025]训练所述LSTM模型的参数值，包括：
[0026]将患者的通过预处理的步态信号时间序列及其延时序列，及患者的脑电信号的节律分量作为模型的输入输出数据，通过特征提取层提取与脑电节律分量相关的抽象特征，输出层重构的脑电信号的节律分量；应用误差反向传播算法调整所述LSTM模型输入层、特征提取层和输出层的参数值，直至拟合度达到预设值；
[0027]保存此时的参数值作为训练后的LSTM模型的参数值。
[0028]优选地，所述输入层的输入信号通过以下方法获取，包括：
[0029]通过患者佩戴的步态特征传感器采集患者的步态信号，所述步态传感器至少包括：三轴加速度传感器；
[0030]通过患者佩戴的脑电检测设备，同步采集患者的脑电信号；
[0031]对同步采集的步态信号及脑电信号进行预处理；
[0032]将预处理后的步态信号的时间序列及其延时序列，作为所述LSTM模型的输入，将预处理后的脑电信号分解为预设通道的子带分量，作为所述LSTM模型的目标输出值指导所述LSTM模型进行监督学习。
[0033]根据本专利技术实施例的第二方面，提供一种脑电特征的代理测量装置，包括：
[0034]获取单元，用于获取患者的步态信号；
[0035]重构单元，根据所述步态信号，重构患者的脑电信号的节律分量；
[0036]输出单元，用于输出重构的脑电信号的节律分量。
[0037]优选地，所述装置，还包括：
[0038]处理单元，用于根据所述步态信号，提取患者的步态特征；
[0039]所述输出单元，还用于输出重构的脑电信号的节律分量及所述步态特征。
[0040]根据本专利技术实施例的第三方面，提供一种伪多模态冻结步态检测装置，包括：
[0041]上述的脑电特征的代理测量装置。
[0042]根据本专利技术实施例的第四方面，提供一种伪多模态冻结步态检测方法，包括：
[0043]上述的脑电特征的代理测量方法；
[0044]通过所述代理测量方法，重构患者的脑电信号的节律分量；
[0045]从重构的脑电信号的节律分量中提取冻结步态相关的脑电特征；
[0046]根据所述脑电特征，判断患者是否发生冻结步态。
[0047]根据本专利技术实施例的第五方面，提供一种伪多模态冻结步态检测方法，包括：
[0048]上述的脑电特征的代理测量方法；
[0049]通过所述代理测量方法，重构患者的脑电信号的节律分量；
[0050]从重构的脑电信号的节律分量中提取冻结步态相关的脑电特征；
[0051]从患者的步态信号中提取患者的步态特征；
[0052]将所述脑电特征和步态特征进行特征融合，判断患者是否发生冻结步态。
[005本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种脑电特征的代理测量方法，其特征在于，包括：获取患者的步态信号；根据所述步态信号，重构患者的脑电信号的节律分量；所述步态信号至少包括：患者的步态加速度信号。2.根据权利要求1所述的方法，其特征在于，所述获取患者的步态信号，至少包括：通过至少一个安装在患者左腿外侧胫骨处或者右腿外侧胫骨处惯性传感器，获取患者的步态加速度信号。3.根据权利要求1所述的方法，其特征在于，所述节律分量包括：来自额零Fz通道的δ、θ、α、β子带分量；来自枕一O1通道的δ、θ、α、β子带分量；来自中央零Cz通道的δ、θ、α、β子带分量。4.根据权利要求1所述的方法，其特征在于，所述根据所述步态信号，重构患者的脑电信号的节律分量，包括：对所述步态信号进行预处理，得到预处理后的步态信号；将预处理后的步态信号的时间序列及其延时序列，输入到训练后的端到端的神经网络代理测量模型中，得到所述患者的脑电信号的节律分量。5.根据权利要求4所述的方法，其特征在于，所述端到端的神经网络代理测量模型为LSTM模型；所述LSTM模型通过以下方法训练得到，包括：构建LSTM模型结构，包括输入层、特征提取层和输出层；训练所述LSTM模型的参数值，包括：将预处理后的步态信号时间序列及其延时序列，及患者的脑电信号的节律分量作为模型的输入输出数据，通过特征提取层提取与脑电节律分量相关的抽象特征，输出重构的脑电信号的节律分量；应用误差反向传播算法调整所述LSTM模型输入层、特征提取层和输出层的参数值，直至拟合度达到预设值；保存此时的参数值作为训练后的L...
【专利技术属性】
技术研发人员：郭玉柱，黄德彬，魏彦兆，王立鹏，张宝昌，张磊，吴淮宁，
申请(专利权)人：杭州航弈生物科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。