一种基于肌电数据的应力性骨折预测方法技术

本发明专利技术涉及一种基于肌电数据的应力性骨折预测方法，属于辅助诊断技术领域。所述方法包括：1将数据进行标准归一化得到标准样本集；2对标准样本集进行稀疏采样，得到扩展数据集；3使用GAN对齐扩展数据集和语音数据集的分布，得到分布对齐后的语音数据集；4对LSTM模型进行预训练，得到预训练后的模型并训练，得到训练好的LSTM模型；5将待预测数据通过标准归一化，得到标准测试数据，再经稀疏采样，得到扩展测试数据集，再通过训练好的LSTM模型进行预测，得到预测结果集；6将预测结果集进行投票，计算预测为正样本和负样本个数，得到预测类别。所述方法适用于采样密度大、数据量少、类别不均衡的各种时序数据预测。不均衡的各种时序数据预测。不均衡的各种时序数据预测。

【技术实现步骤摘要】
一种基于肌电数据的应力性骨折预测方法


[0001]本专利技术涉及一种基于肌电数据的应力性骨折预测方法，属于辅助诊断


技术介绍

[0002]肌电数据作为预测应力性骨折的一大依据，与步态数据既有着相同的特征，也有着很大的区别。相同在于肌电数据也存在采样密度高、样本量小以及类别不均衡的问题，区别在于肌电数据作为时序数据，与步态数据相比，拥有更多的时序特征。
[0003]时序特征具有连续性，因此适用于步态数据的方法，并不适用于肌电数据。为此，我们提出一套适用于时序数据的预测方法。

技术实现思路

[0004]本专利技术的目的在于现有应力性骨折预测方法存在成本高、效率低的缺陷，提出了一种基于肌电数据的应力性骨折预测方法，所述预测方法通过改进自动化分析肌电数据，提高系统的应力性骨折预测准确率。
[0005]为了达到上述目的，本专利技术采取如下技术方案：
[0006]所述应力性骨折预测方法，包括数据预处理、训练和预测，具体步骤如下：
[0007]步骤1、对数据样本集中的每个样本进行标准归一化，得到标准归本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于肌电数据的应力性骨折预测方法，其特征在于：包括数据预处理、训练和预测，具体步骤如下：步骤1、对数据样本集中的每个样本进行标准归一化，得到标准归一化后的样本，所有标准归一化后的样本构成标准样本集；步骤2、对标准样本集进行稀疏采样，降低采样密度，在不丢失样本重要特征的前提下，增加样本的数量，得到扩展数据集；通过步骤2，一个标准样本经过稀疏采样后，样本数量变为δ个，即增加了δ
‑
1个，δ为采样间隔；步骤3、基于扩展数据集的分布，使用GAN将语音数据集的分布对齐，得到分布对齐后的语音数据集；步骤4、将步骤3输出的分布对齐后的语音数据集输入LSTM模型中进行预训练，得到预训练后的LSTM模型；步骤5、使用扩展数据集对预训练后的LSTM模型进行训练，得到训练好的LSTM模型；步骤6、将待预测数据进行标准归一化，得到标准测试数据；步骤7、将标准测试数据经过稀疏采样，得到扩展的测试数据集；步骤8、将扩展的测试数据集通过步骤5得到的训练好的LSTM模型进行预测，得到预测结果集；步骤9、将预测结果集进行投票，分别计算预测为正样本和预测为负样本的个数，将预测输出个数多的那个类别作为最终的预测类别。2.根据权利要求1所述的一种基于肌电数据的应力性骨折预测方法，其特征在于：步骤1中，标准归一化通过(1)实现：其中，X
′
表示对单个样本X进行标准归一化后的标准样本，X表示单个样本，X
min
和X
max
分别为单个样本X中时序数据的最小值和最大值。3.根据权利要求2所述的一种基于肌电数据的应力性骨折预测方法，其特征在于：步骤2中，稀疏采样通过公式(2)实现：X
i
＝{x
i
+δ,x...

【专利技术属性】
技术研发人员：刘峡壁，廖东海，汪爱媛，彭江，周皓，赵燕旭，冯勇，
申请(专利权)人：中国人民解放军总医院第一医学中心，
类型：发明
国别省市：