一种帕金森预测方法及装置制造方法及图纸

本发明专利技术提供了一种帕金森预测方法及装置，首先获取样本集合，作为样本的键盘敲击数据包括用户信息及用户敲击键盘按键时的时间特征，然后建立预测模型，再使用样本集合训练预测模型，最后将被测对象的键盘敲击数据输入预测模型，得到帕金森预测结果。考虑到用户敲击键盘按键时的时间特征可以反映出手部震颤的程度，本发明专利技术提供了一种利用键盘敲击数据来进行帕金森预测的方案，为医务人员进一步确诊帕金森病人提供有效的辅助决策，本发明专利技术具有只需按照日常生活习惯使用电脑即可、不需要采购任何专业的设备或者附件、不受环境影响、可实现被试者无感式数据采集等多种优点，是一种简单且有效的预测方案，能够快速、准确的辅助预测和评估早期帕金森。

A Parkinson's prediction method and device

【技术实现步骤摘要】
一种帕金森预测方法及装置
本专利技术实施例涉及机器学习
，尤其涉及一种帕金森预测方法及装置。
技术介绍
帕金森病(PD，Parkinson’sdisease)是一种老龄人群中最常见的神经退行性疾病，其重要的临床特征是震颤、运动迟缓、僵硬和姿势不稳。有研究表明，在帕金森早期阶段就进行治疗的病人相较于晚期治疗的病人可以平均多独立生活15年，所以尽量在帕金森病的早期阶段将其诊断出来对于进行有效治疗以及改善患者生活状态具有十分重要的意义。由于帕金森具有隐袭起病、逐渐进展的特点，常规血、脑脊液检查多无异常，头CT、MRI检查也无特征性改变，因此传统医学中对帕金森的诊断主要依靠病史、临床症状及体征，而没有统一的标准诊断方法。这些诊断方式不但耗费大量时间，费用昂贵，需要由受过培训的专业医护人员进行专业操作，受到场地限制，而且这些诊断方式属于主观测量方法，缺少客观性、可重复性及刻度敏感性，误诊率高，对早期症状诊断不明。人工智能，尤其是机器学习(ML，MachineLearning)技术，在挖掘数据中隐藏关系的能力、抵抗数据错误的能力、向患本文档来自技高网...

【技术保护点】
1.一种帕金森预测方法，其特征在于，所述方法包括：/n获取样本集合，所述样本集合中的样本为键盘敲击数据，所述键盘敲击数据包括用户信息及用户敲击键盘按键时的时间特征；/n基于预设框架建立预测模型；/n使用所述样本集合训练所述预测模型；/n获取被测对象的键盘敲击数据，将所述被测对象的键盘敲击数据输入所述预测模型，根据所述预测模型的输出获取所述被测对象的帕金森预测结果。/n

【技术特征摘要】
1.一种帕金森预测方法，其特征在于，所述方法包括：
获取样本集合，所述样本集合中的样本为键盘敲击数据，所述键盘敲击数据包括用户信息及用户敲击键盘按键时的时间特征；
基于预设框架建立预测模型；
使用所述样本集合训练所述预测模型；
获取被测对象的键盘敲击数据，将所述被测对象的键盘敲击数据输入所述预测模型，根据所述预测模型的输出获取所述被测对象的帕金森预测结果。


2.根据权利要求1所述的方法，其特征在于，所述用户信息包括用户标识和帕金森诊断标识；
所述用户敲击键盘按键时的时间特征，包括：
每次按下按键的起始时刻、每次从按下按键到松开的时长、每次松开后到下次按下按键的时间间隔。


3.根据权利要求2所述的方法，其特征在于，所述用户敲击键盘按键时的时间特征还包括：
每次敲击的按键位置，以及，相邻两次敲击的按键位置组合，其中所述按键位置分为左手按键、右手按键、空格键。


4.根据权利要求2所述的方法，其特征在于，使用所述样本集合训练所述预测模型之前，所述方法还包括：
对所述样本集合进行如下预处理：
对用户信息中的帕金森诊断标识按照one-hot方式进行编码以获得分类标签Y，其中Y＝[0,1]或[1,0]；
将用户敲击键盘按键时的时间特征中各项内容归一化后记为X；
将所述样本集合转化为：
{(X1,Y1),(X2,Y2),L,(Xn,Yn)}
其中，一个用户i对应一组(Xi,Yi)，i＝1,2,...,n，n为所述样本集合中的用户总数。


5.根据权利要求1所述的方法，其特征在于，所述基于预设框架建立预测模型，包括：
基于Tensorflow和Keras框架，搭建三层神经网络模型作为所述预测模型，其中：第一层、第二层均为LSTM长短期记忆神经网络，第三层为Dense全连接层，在每个LSTM层后实施Dropout正则化以防止过拟合，在输出层使用S型激活函数预测类的值。


6.根据权利要求1所述的方法，其特征在于，所述使用所述样本集合训练所述预测模型，包括：
模型编译使用Adam作为优化算法，损失函数采用交叉熵损失函数，以精度为指标，采用交叉验证法将所述样本集合按预设比例拆分成训练集和测试集，训练集中的数据遍历迭代指定次数，然后使用测试集验证所述模型的性能，以获得训练好的所述预测模型。


7.根据权利要求1～6中任一项所述的方法，其特征在于，所述键盘为实体键盘或虚拟键盘，所述按键为实体按键或虚拟按键。
...

【专利技术属性】
技术研发人员：谢苏，贾婷，周念，
申请(专利权)人：上海恩睦信息科技有限公司，
类型：发明
国别省市：上海;31