用于帕金森病辅助诊断的姿态估计方法技术

一种用于帕金森病辅助诊断的人体姿态估计方法，包括以下步骤：)根据国际帕金森病权威量表UPDRS中运动功能检查部分，确定需要进行自动分析的动作，并在专家的指导下将各个参数进行量化，以便计算机能够处理；2)采集并标注帕金森病患者与健康者的姿态数据；3)确定基于深度卷积神经网络的姿态估计算法运算流程和骨干网络；4)利用所采集到的数据训练神经网络；5)利用患者根据指定要求拍摄的视频，应用训练好的深度卷积神经网络得出关键点坐标，再计算出所需的生理指标以及该动作的UPDRS动作等级，实现人体姿态估计。本发明专利技术能够对帕金森病患者的姿态进行精准识别并用于医生辅助诊断。断。断。

【技术实现步骤摘要】
用于帕金森病辅助诊断的姿态估计方法


[0001]本专利技术属于智慧医疗领域，涉及一种用于帕金森病辅助诊断的姿态估计方法。

技术介绍

[0002][0003]在帕金森病患者众多的背景下，能够诊断帕金森病的医疗资源匮乏。全国帕金森病专家医师仅一千多人。仅有3.75％的病人初病发时意识到自己患病，而且误诊率高达23.5％，比一般疾病误诊率高出几倍，帕金森病诊断方面的辅助技术仍亟待发展。
[0004]目前，判断一个患者是否患有帕金森病难度较大，需要医生大量的时间和精力。医生需要至少30
‑
40分钟的时间去对患者进行测试和观察，并根据量表得出等级，长时间的重复工作容易导致医生疲劳。此外，一个患者通常需要多次复诊，每次复诊都需要走这样一次诊断流程，大量消耗医疗资源。

技术实现思路

[0005]为了克服已有技术的不足，本专利技术提供了一种用于帕金森病辅助诊断的人体姿态估计方法，能够对帕金森病患者的姿态进行精准识别并用于医生辅助诊断。
[0006]本专利技术解决其技术问题所采用的技术方案是：
[0007]一种用于帕金森病辅助诊断的人体姿态估计方法，包括以下步骤：
[0008]1)根据国际帕金森病权威量表UPDRS中运动功能检查部分，确定需要进行自动分析的动作，并在专家的指导下将各个参数进行量化，以便计算机能够处理；
[0009]2)采集并标注帕金森病患者与健康者的姿态数据；
[0010]3)确定基于深度卷积神经网络的姿态估计算法运算流程和骨干网络；r/>[0011]4)利用所采集到的数据训练神经网络；
[0012]5)利用患者根据指定要求拍摄的视频，应用训练好的深度卷积神经网络得出关键点坐标，再计算出所需的生理指标以及该动作的 UPDRS动作等级，实现人体姿态估计。
[0013]进一步，所述步骤4)中，在深度卷积神经网络训练过程中，首先要对图片进行增强处理以增加模型的泛化性能，图像增强方法包括：随机旋转、随机平移、随机翻折和随机划分。
[0014]再进一步，所述步骤5)中，姿态估计算法运算流程包括目标检测和关键点定位两个步骤；模型先通过目标检测网络识别出感兴趣的人体部位(手掌，人脸等)并用矩形框表示；模型再将该矩形框所囊括的图片输入到关键点定位网络中，返回各关键点的坐标值；
[0015]其中，一个点的坐标用一个二维向量(x,y)来表示；矩形框用矩形左上角点的坐标(x
a
,y
a
)和右下角点的坐标(x
b
,y
b
)来表示。
[0016]更进一步，所述步骤5)中，在模型对输入图片进行姿态估计的过程中，只在第一帧或者在上一帧没有检测到感兴趣的人体部位时才进行目标检测的步骤；否则，利用上一帧的目标检测结果来追踪感兴趣部位，并对此进行关键点定位步骤。
[0017]优选地，所述步骤1)中，根据国际权威帕金森病诊断标准 MDS
‑
UPDRS标准，在对帕金森病人不同的动作评估时分别将手掌、面部、脚、整个躯体作为感兴趣部位。
[0018]优选地，所述步骤5)中，在模型执行目标检测步骤时采用非最大值抑制算法来解决预测结果有多矩形框的情况。
[0019]优选地，所述步骤5)中，目标检测网络采用编码
‑
解码架构。
[0020]本专利技术的有益效果主要表现在：能够辅助医生进行诊断，减少需要人工参与的诊断步骤，从而提高就诊效率，进而帮助解决帕金森病医患比悬殊的问题；此外，本专利技术能够在移动端进行部署，从而方便用户利用手机等移动设备进行自我检测，让患者不必因为就诊的麻烦而耽误疾病发现时间。最后，本产品将原先主观的打分标准进行量化，降低了帕金森病诊断的门槛。
附图说明
[0021]图1是一种用于帕金森病辅助诊断的人体姿态估计方法的应用流程图。
[0022]图2是一种用于帕金森病辅助诊断的人体姿态估计方法的流程图。
[0023]图3是手部关键点示意图。
具体实施方式
[0024]下面结合附图对本专利技术作进一步描述。
[0025]参照图1～图3，一种用于帕金森病辅助诊断的人体姿态估计方法，包括以下步骤：
[0026]1)根据国际帕金森病权威量表UPDRS中运动功能检查部分，确定需要进行自动分析的动作，并在专家的指导下将各个参数进行量化，以便计算机能够处理；
[0027]2)采集并标注帕金森病患者与健康者的姿态数据；
[0028]3)确定基于深度卷积神经网络的姿态估计算法运算流程和骨干网络；
[0029]4)利用所采集到的数据训练神经网络；
[0030]5)利用患者根据指定要求拍摄的视频，应用训练好的深度卷积神经网络得出关键点坐标，再计算出所需的生理指标以及该动作的 UPDRS动作等级，实现人体姿态估计。
[0031]图1是本实施例的应用流程图，用户通过摄像头按照要求拍摄视频，该视频通过特定的姿态估计算法，得出人体姿态关键点的坐标信息。
[0032]在得到估计的人体姿态关键点坐标信息之后，利用专家医生指导下指定的判断标准，得出每一项动作的UPDRS等级。其中，该判断标准根据国际帕金森病诊断权威标准MDS
‑
UPDRS制定，并在专家医生的指导下制定得出。
[0033]在得出患者每一项动作的评估结果后，给用户返回评估结果；医生也可以根据该评估结果减少其诊断步骤，加快诊断速度。
[0034]MDS
‑
UPDRS量表中运动检查部分一共有十八个动作，下面简略列出了每一项动作的内容：
[0035]1.言语。(评判患者的音量、音调与咬字清晰程度)
[0036]2.面部表情。(评判眨眼频率，有无面具脸)
[0037]3.强直。(评判关节是否僵硬)
[0038]4.手指拍打：大拇指与食指尽量打开，并以最快的速度拍打10次。 (动作十次，评
判速度、幅度、停顿与趋势)
[0039]5.手掌运动：手掌尽量张开并以最快的速度连续手掌握紧。(动作十次，评判速度、幅度、停顿与趋势)
[0040]6.前臂回旋运动：手心向下手臂于身体前方伸直，患者以最快的速度连续将手心完全转向上面及下面做10次。(动作十次，评判速度、幅度、停顿与趋势)
[0041]7.脚趾拍地运动：以最大幅度及最快速度脚趾拍地。(动作十次，评判速度、幅度、停顿与趋势)
[0042]8.两脚灵敏度测试：患者尽量以最大幅度及最快速度将脚抬高跺地拍打。(动作十次，评判速度、幅度、停顿与趋势)
[0043]9.起立：两手交叉置于胸前之后站立起身。(评判是否成功，是否需要帮助)
[0044]10.步态：测试者来回走动。(评判步伐大小、步伐速度、脚步离地高度、走路时脚跟着地情形、转身与两手摆动是否存在步态问题)
[0045]11.步态冻结：注意是否有起始困难以及碎步、分节的情形发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于帕金森病辅助诊断的人体姿态估计方法，其特征在于，所述方法包括以下步骤：1)根据国际帕金森病权威量表UPDRS中运动功能检查部分，确定需要进行自动分析的动作，并在专家的指导下将各个参数进行量化，以便计算机能够处理；2)采集并标注帕金森病患者与健康者的姿态数据；3)确定基于深度卷积神经网络的姿态估计算法运算流程和骨干网络；4)利用所采集到的数据训练神经网络；5)利用患者根据指定要求拍摄的视频，应用训练好的深度卷积神经网络得出关键点坐标，再计算出所需的生理指标以及该动作的UPDRS动作等级，实现人体姿态估计。2.如权利要求1所述的一种用于帕金森病辅助诊断的人体姿态估计方法，其特征在于，所述步骤4)中，在深度卷积神经网络训练过程中，首先要对图片进行增强处理以增加模型的泛化性能，图像增强方法包括：随机旋转、随机平移、随机翻折和随机划分。3.如权利要求1或2所述的一种用于帕金森病辅助诊断的人体姿态估计方法，其特征在于，所述步骤5)中，姿态估计算法运算流程包括目标检测和关键点定位两个步骤；模型先通过目标检测网络识别出感兴趣的人体部位并用矩形框表示；模型再将该矩形框所囊括的图片输入到关键点定位网络中，返回各关键点的坐标值；其中，一个点的坐标用一个二维向量(x,...

【专利技术属性】
技术研发人员：冯则城，周祥锐，马思涵，石晨佐，胡宸恺，徐欣瑶，周宇轩，冯远静，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：