买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市臻络科技有限公司

摘要：本发明公开了一种基于步态运动信息进行早期PD和ET的鉴别方法，包括以下步骤：数据采集：对患者的诊断数据样本进行采集，收集多个参数信息；特征构建：将参数进行新的构建，得到214个单一特征；特征选择：首先对于每一个单一特征，计算在曼‑惠特尼U检验下的P值；根据P值的大小选择在统计上具有显著差异的单一特征作为显著的单一特征；然后将显著的单一特征代入相关算法中计算AUC值，利用AUC值的大小来选取特征；模型构建：构建加权平均集成分类模型；模型代入：将受试者的相关数据代入至加权平均集成分类模型内，从而对PD和ET进行鉴别。本发明通过对收集到的相关特征进行处理后建立模型，保证模型稳定可靠，从而能有效对PD和ET进行有效鉴别。

主权项：1.一种基于步态运动信息进行早期PD和ET的鉴别方法，其特征在于，包括以下步骤：数据采集：对患者的诊断数据样本进行采集，收集多个参数信息；特征构建：将参数进行新的构建，得到214个单一特征；特征选择：首先对于每一个单一特征，计算在曼-惠特尼U检验下的P值；根据P值的大小选择在统计上具有显著差异的单一特征作为显著的单一特征；然后将显著的单一特征代入相关算法中计算AUC值，利用AUC值的大小来选取特征；模型构建：构建加权平均集成分类模型；模型代入：将受试者的相关数据代入至加权平均集成分类模型内，从而对PD和ET进行鉴别；其中，基于步态的加权平均集成分类模型的具体建立过程如下：S1:将整个计时起立行走试验TUG分为起立，直行，转身，坐下4个阶段；S2:分段模型以诊断结果PDET作为因变量，PD定义为1，ET定义为0；将特征选择方法所得到的特征组合作为自变量；S3:对于起立阶段，只从自变量中选取起立阶段过程中的特征作为自变量，构建支持向量机模型，留一交叉验证法被应用于模型训练过程中，用于找寻最优模型参数，对于直行，转身，坐下，重复起立阶段相同的步骤；S4:存储每个患者在TUG的四个不同阶段的模型下所计算得到的鉴别为PD的概率，对于每一个患者有4个不同的概率，分别对应于TUG的4个不同的阶段；S5:将S4所得到的训练集中所有患者的4个概率和这些患者的真实诊断结果组成一个新的数据集，这个数据集将患者真实诊断结果视为因变量，患者的4个概率视为自变量，用逻辑回归训练所得到的新数据集，五折交叉验证法被应用于模型训练过程中；逻辑回归模型返回训练结果，横截距除外，获得Coefficientstraight_walk、Coefficientturning、Coefficientstanding、Coefficientsitting四个系数，分别对应TUG的4个阶段；S6:根据所获得的4个系数计算4个阶段的权重： S7:通过S4中所得到的每个患者的四个不同概率和S6得到的四个阶段的权重可以计算训练集中的每个患者被鉴定为PD的加权集成概率，其计算方式为： S8:根据S7所得到的值进行判断，若P_val大于0.5，则被鉴别为PD，否则为ET；S9:根据S8中所得到的诊断结果和这些患者的真实诊断结果，构建混淆矩阵，从而得出模型的验证效果。

全文数据：

权利要求：

百度查询： 深圳市臻络科技有限公司 基于步态运动信息进行早期PD和ET的鉴别方法