基于电子化手绘螺旋测试的智能决策支持方法及系统技术方案

本发明专利技术提出一种基于电子化手绘螺旋测试的智能决策支持方法和系统，包括：获取包括多条手绘螺旋轨迹的训练数据，手绘螺旋轨迹具有其是否属于帕金森的类别标签；提取训练数据中每条手绘螺旋轨迹的特征，以结合该类别标签，训练随机森林模型，将训练完成后的随机森林模型作为智能决策支持模型；将待分类的手绘螺旋轨迹的特征输入智能决策支持模型，得到其所属的类别，并将其作为待分类的手绘螺旋轨迹的决策支持结果。本发明专利技术的电子化螺旋线测试，可实现快速完成辅助决策支持，解决了传统帕金森辅助决策特征维度低、测试形式单一等问题。助决策特征维度低、测试形式单一等问题。助决策特征维度低、测试形式单一等问题。

【技术实现步骤摘要】
基于电子化手绘螺旋测试的智能决策支持方法及系统


[0001]本专利技术涉及机器学习和人机交互
，具体地说，本专利技术提出一种基于电子化手绘螺旋测试的智能决策支持方法及系统。

技术介绍

[0002]帕金森病作为当前世界第二大神经退行性疾病，在全球的患者人数达到七百万到一千多万之多。每一万个80岁以上的人中，就有大约190个患有帕金森病，并且帕金森病的患病率会随年龄增长而逐渐提高。目前临床主要由专科医生观察评估震颤、运动迟缓和强直等的主要症状，从而进行帕金森病的诊断。但是由于帕金森病在早期并未有明显表现，大部分帕金森病患者在疾病早期难以意识患有帕金森病，并且诊断易受到医生主观影响，导致误诊率较高，从而延误了早期的药物干预治疗。
[0003]目前临床有效诊断帕金森病的方式之一是观测患者绘制螺旋线的表现(如图1所示)。然而，传统的螺旋线绘制都是使用纸和笔，使得许多重要时间特征(例如绘制螺旋线时的平均速度、最大速度、速度的方差、平均加速度、最大加速度和加速度方差等)无法获得精准记录。其次，在2018年发表的研究报告《Let
’
s Draw:Detecting and Measuring Parkinson
’
s Disease on Smartphones》中提到，受试者在重复进行单一测试时，手部的震颤有逐渐减轻地趋势，传统方式受到纸笔的限制，测试类别较为单一。另外，传统方式需要患者在特定人员的监督下完成，诊断受到时间和空间条件的约束，使用纸质材料记录的数据也不利于传播和保存。

技术实现思路

[0004]针对上述问题，本专利技术提出了一种面向帕金森病辅诊的电子化手绘螺旋测试方法，该方法首先电子化显示螺旋线，并引导受试者完成两种螺旋线测试——静态螺旋测试SST和动态螺旋测试DST，同时采集相关数据，并基于采集到的数据提取特征，最后使用特征训练模型用于帕金森病辅助诊断。
[0005]具体而言，利用触摸屏显示引导用户描绘的螺旋参考线(分为静态和动态两种方式)，患者利用手指绘制过程中记录轨迹坐标；并根据螺旋线的几何结构，提取表征帕金森病症状的有效特征，利用随机森林算法构建分类模型，实现高精准、强鲁棒的帕金森病分类结果作为确诊过程的重要辅助参考。
[0006]针对现有技术的不足，本专利技术提出一种基于电子化手绘螺旋测试的智能决策支持方法，其中包括：
[0007]步骤1、获取包括多条手绘螺旋轨迹的训练数据，且手绘螺旋轨迹具有其是否属于帕金森的类别标签；
[0008]步骤2、提取该训练数据中每条手绘螺旋轨迹的特征，以结合该类别标签，训练随机森林模型，将训练完成后的随机森林模型作为智能决策支持模型；
[0009]步骤3、将待分类的手绘螺旋轨迹的特征输入该智能决策支持模型，得到其所属的
类别，并将其作为待分类的手绘螺旋轨迹的决策支持结果。
[0010]所述的基于电子化手绘螺旋测试的智能决策支持方法，其中该手绘螺旋轨迹包括动态螺旋测试轨迹，该动态螺旋测试轨迹的提取过程为在触屏上生成闪烁的动态参考螺旋线，感测并存储受试者根据该动态参考螺旋线所绘制的坐标及各坐标对应的时间戳，作为该动态螺旋测试轨迹。
[0011]所述的基于电子化手绘螺旋测试的智能决策支持方法，其中该手绘螺旋轨迹包括静态螺旋测试轨迹，该静态螺旋测试轨迹的提取过程为在触屏上生成常亮的静态参考螺旋线，感测并存储受试者根据该静态参考螺旋线所绘制的坐标及各坐标对应的时间戳，作为该动态螺旋测试轨迹。
[0012]所述的基于电子化手绘螺旋测试的智能决策支持方法，其中该步骤2所提取的特征包括：平均速度，和/或最大速度，和/或速度方差，和/或平均加速度，和/或最大加速度，和/或加速度方差，和/或斜率变化率，和/或位移偏差均值，和/或位移偏差最大值，和/或位移偏差方差，和/或线圈间距均值，和/或线圈间距方差，和/或线圈间距最大值。
[0013]本专利技术还提出了一种基于电子化手绘螺旋测试的智能决策支持系统，其中包括：
[0014]初始模块，用于获取包括多条手绘螺旋轨迹的训练数据，且手绘螺旋轨迹具有其是否属于帕金森的类别标签；
[0015]训练模块，用于提取该训练数据中每条手绘螺旋轨迹的特征，以结合该类别标签，训练随机森林模型，将训练完成后的随机森林模型作为智能决策支持模型；
[0016]分类模块，用于将待分类的手绘螺旋轨迹的特征输入该智能决策支持模型，得到其所属的类别，并将其作为待分类的手绘螺旋轨迹的决策支持结果。
[0017]所述的基于电子化手绘螺旋测试的智能决策支持系统，其中该手绘螺旋轨迹包括动态螺旋测试轨迹，该动态螺旋测试轨迹的提取过程为在触屏上生成闪烁的动态参考螺旋线，感测并存储受试者根据该动态参考螺旋线所绘制的坐标及各坐标对应的时间戳，作为该动态螺旋测试轨迹。
[0018]所述的基于电子化手绘螺旋测试的智能决策支持系统，其中该手绘螺旋轨迹包括静态螺旋测试轨迹，该静态螺旋测试轨迹的提取过程为在触屏上生成常亮的静态参考螺旋线，感测并存储受试者根据该静态参考螺旋线所绘制的坐标及各坐标对应的时间戳，作为该动态螺旋测试轨迹。
[0019]所述的基于电子化手绘螺旋测试的智能决策支持系统，其中该训练模块所提取的特征包括：平均速度，和/或最大速度，和/或速度方差，和/或平均加速度，和/或最大加速度，和/或加速度方差，和/或斜率变化率，和/或位移偏差均值，和/或位移偏差最大值，和/或位移偏差方差，和/或线圈间距均值，和/或线圈间距方差，和/或线圈间距最大值。
[0020]本专利技术还提出了一种存储介质，用于存储执行所述任意一种基于电子化手绘螺旋测试的智能决策支持系方法的程序。
[0021]本专利技术还提出了一种客户端，用于上述任意一种基于电子化手绘螺旋测试的智能决策支持系系统。
[0022]由以上方案可知，本专利技术的优点在于：
[0023]本专利技术提出一种面向帕金森病辅诊的电子化手绘螺旋测试方法。该方法提供电子化螺旋线测试，实现快速、简单、低成本的帕金森辅助诊断，解决了传统帕金森诊断特征维
度低、测试形式单一、测试结果数据不易保存和传播、测试受到时间与空间条件约束等问题。从更多维特征中分析体现受试者手部震颤的表征，构建出高精度和强鲁棒性的识别模型。
附图说明
[0024]图1为现有技术的纸绘螺旋线示意图；
[0025]图2为本专利技术的流程图；
[0026]图3为基准阿基米德螺旋线。
具体实施方式
[0027]针对传统手绘螺旋测试形式单一、时间特征缺失、受时间与空间约束、数据不易保存等问题，本专利技术提出了一种面向帕金森病辅诊的电子化手绘螺旋测试方法。如图2所示，该方法主要包括数据采集、特征提取和模型训练三个部分。数据采集利用电子化方式，记录多维度数据、提供多样性测试提供(包括静态螺旋测试和动态螺旋测试)；特征提取用于提取能够表征帕金森病症状的时间和空间特征；模型训练部分采用随机森林模型，利用提取的特征构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电子化手绘螺旋测试的智能决策支持方法，其特征在于，包括：步骤1、获取包括多条手绘螺旋轨迹的训练数据，且手绘螺旋轨迹具有其是否属于帕金森的类别标签；步骤2、提取该训练数据中每条手绘螺旋轨迹的特征，以结合该类别标签，训练随机森林模型，将训练完成后的随机森林模型作为智能决策支持模型；步骤3、将待分类的手绘螺旋轨迹的特征输入该智能决策支持模型，得到其所属的类别，并将其作为待分类的手绘螺旋轨迹的决策支持结果。2.如权利要求1所述的基于电子化手绘螺旋测试的智能决策支持方法，其特征在于，该手绘螺旋轨迹包括动态螺旋测试轨迹，该动态螺旋测试轨迹的提取过程为在触屏上生成闪烁的动态参考螺旋线，感测并存储受试者根据该动态参考螺旋线所绘制的坐标及各坐标对应的时间戳，作为该动态螺旋测试轨迹。3.如权利要求1或2所述的基于电子化手绘螺旋测试的智能决策支持方法，其特征在于，该手绘螺旋轨迹包括静态螺旋测试轨迹，该静态螺旋测试轨迹的提取过程为在触屏上生成常亮的静态参考螺旋线，感测并存储受试者根据该静态参考螺旋线所绘制的坐标及各坐标对应的时间戳，作为该动态螺旋测试轨迹。4.如权利要求1所述的基于电子化手绘螺旋测试的智能决策支持方法，其特征在于，该步骤2所提取的特征包括：平均速度，和/或最大速度，和/或速度方差，和/或平均加速度，和/或最大加速度，和/或加速度方差，和/或斜率变化率，和/或位移偏差均值，和/或位移偏差最大值，和/或位移偏差方差，和/或线圈间距均值，和/或线圈间距方差，和/或线圈间距最大值。5.一种基于电子化手绘螺旋测试的智能决策支持系统，其特征在于，包括：初始模块，用于获取包括多条手绘螺旋轨迹的训练数据，且手...

【专利技术属性】
技术研发人员：陈益强，杨晓东，于汉超，曾闽林，张迎伟，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：