【技术实现步骤摘要】
一种基于生成对抗网络多模态平衡障碍量化评估方法及系统
本专利技术涉及平衡障碍评估
，具体地说，涉及一种基于生成对抗网络多模态平衡障碍量化评估方法及系统。
技术介绍
目前临床医学中常见的用于平衡能力评定的量表法包括Berg量表、站立—行走测试、摔倒风险指数和Tinetti量表等。Berg量表主要包括14项测试，每一项测试有0-4分五个评分等级，满分为56分。Berg量表的分数越高，就代表受试者的平衡能力越好。但采用Berg量表对平衡障碍进行评估时，需要参考的测试众多，过程繁琐，无法实现量化评估。
技术实现思路
本专利技术的目的在于提供一种基于生成对抗网络多模态平衡障碍量化评估方法及系统，以解决上述
技术介绍
中提出的问题。为实现上述技术问题的解决，本专利技术的目的之一在于，提供一种基于生成对抗网络多模态平衡障碍量化评估方法，其方法包括如下步骤：S1、采集获取下肢平衡多模态参数；S2、将平衡障碍分级分为四级，分别为Ⅰ级、Ⅱ级、Ⅲ级和Ⅳ级；S3、将采集的平衡多模态参数按照平衡障...
【技术保护点】
1.一种基于生成对抗网络多模态平衡障碍量化评估方法，其方法包括如下步骤：/nS1、采集获取下肢平衡多模态参数；/nS2、将平衡障碍分级分为四级，分别为Ⅰ级、Ⅱ级、Ⅲ级和Ⅳ级；/nS3、将采集的平衡多模态参数按照平衡障碍分级类别分别标注；/nS4、抽取训练集，训练时将某类样本归为一类,其余样本归为另一类，共有四个训练集；/nS5、使用四个训练集分别进行训练，然后的得到四个训练结果文件。/n
【技术特征摘要】
1.一种基于生成对抗网络多模态平衡障碍量化评估方法，其方法包括如下步骤：
S1、采集获取下肢平衡多模态参数；
S2、将平衡障碍分级分为四级，分别为Ⅰ级、Ⅱ级、Ⅲ级和Ⅳ级；
S3、将采集的平衡多模态参数按照平衡障碍分级类别分别标注；
S4、抽取训练集，训练时将某类样本归为一类,其余样本归为另一类，共有四个训练集；
S5、使用四个训练集分别进行训练，然后的得到四个训练结果文件。
2.根据权利要求1所述的基于生成对抗网络多模态平衡障碍量化评估方法，其特征在于：所述S1中，采集获取下肢平衡多模态参数的方法包括肌电信号处理及特征提取方法、动作捕捉特征提取方法和人体足底压力中心特征提取方法。
3.根据权利要求2所述的基于生成对抗网络多模态平衡障碍量化评估方法，其特征在于：所述肌电信号处理及特征提取方法包括如下步骤：
S1.1、利用经验模态分解对表面肌电信号进行去基线、去噪；
S1.2、利用基本尺度熵来对表面肌电信号进行特征提取。
4.根据权利要求2所述的基于生成对抗网络多模态平衡障碍量化评估方法，其特征在于：所述动作捕捉特征提取方法包括如下步骤：
S2.1、利用动作捕捉系统(多点)获得人体相应节点三维坐标；
S2.2、对关键部位的三维坐标进行一阶特征、二阶特征的推导。
5.根据权利要求2所述的基于生成对抗网络多模态平衡障碍量化评估方法，其特征在于：所述人体足底压力中心特征提取方法包括如下步骤：
S3.1、轨迹面积计算；
S3.2、左右重心分布比和前后重心分布比计算；
S3.3、COP的轨迹长度计算，其计算公式如下：
COP的左右轨迹长度计算公式：
COP的前后轨迹长度计算公式：
x、y为压力中心的坐标值，n＝采样频率×t；
S3.4、动摇径计算，其公式为：
Dx＝xmax-xmin；
Dy＝ymax-ymin；
其中xmax指的是压力中心在横轴正向的最大偏移，而xmin指的是压力中心在横轴反方向的最大偏移；ymax和ymin分别代表压力中心在纵轴正向和反向的最大偏移。...
【专利技术属性】
技术研发人员：李修寒，吴小玲，王伟，
申请(专利权)人：南京医科大学，
类型：发明
国别省市：江苏;32
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。