眩晕症类型可穿戴识别系统、方法及终端技术方案

本发明专利技术的眩晕症类型可穿戴识别系统、方法及终端，通过可穿戴设备，将获取在待识别用户行走过程中所采集的步行加速度时间序列数据进行步态周期划分，并提取步态稳定性特征获得步态稳定性特征数据，最后基于用可以识别BPPV和VM的机器学习识别模型，由步态稳定性特征数据获得眩晕症类型识别结果。本发明专利技术所提出的智能分类算法具较高的分类准确度、查全率和查准率，可用于可穿戴步态与平衡功能监测设备，通过可穿戴设备的数据采集和识别软件运行，能够实时监测患者步态稳定性特征，快速简便地识别和反馈BPPV和VM这两种不同类型的眩晕症，从而有效降低医生误诊风险。有效降低医生误诊风险。有效降低医生误诊风险。

【技术实现步骤摘要】
眩晕症类型可穿戴识别系统、方法及终端


[0001]本专利技术涉及人工智能医疗领域，特别是涉及一种眩晕症类型可穿戴识别系统、方法及终端。

技术介绍

[0002]眩晕是因机体对空间定位障碍而产生的一种动性或位置性错觉，其病因复杂，有不同临床分类与分型。对不同类型引起眩晕的疾病需对症治疗方能显效，否则难以缓解症状，不利于患者预后。良性阵发性位置性眩晕(BPPV)和前庭性偏头痛(VM)是最为常见引起眩晕的疾病。其中BPPV，又称为耳石症，是指由头位改变引起的短暂性眩晕，并伴有特征性眼震为主要表现的周围性前庭疾病，可同时伴有恶心、呕吐等自主神经症状，以短暂性、反复发作及具有自限性为特点，且容易复发。VM是一种反复发作性的眩晕疾病，眩晕发作多伴有偏头痛性头痛、畏光畏声、视觉先兆的偏头痛性症状，伴有偏头痛病史。部分VM与BPPV的临床特征较相似，对临床诊断造成较大困难，因此，开发识别VM与BPPV这两种不同眩晕症的便捷有效方法具有重要的临床意义。
[0003]中国专利CN112790939A记载了一种用于眩晕症诊疗检测的体位变换椅，包括平台和支撑柱，具备能够针对患者失重状态下的眩晕检测，针对突发状态发生时，能够紧急制动等优点，解决了现有体位变换椅不能对患者进行失重状态下的眩晕检测、针对突发状态时，不能及时制动的问题。中国专利CN110638418A记载了一种眩晕病症鉴别诊断系统，该系统解决现有头脉冲试验检测技术的不足，具有实用性强、自动化程度高、对操作者要求低的特点。中国专利CN208693258U记载了一种眩晕症诊疗设备，该设备在公转装置和自转装置的共同作用下，可实现三个维度的自由旋转及任意位置的悬停，从而达到半规管VOR功能检测及耳石复位的效果。
[0004]但是，上述专利所公开的眩晕症诊疗设备，均基于患者眩晕与眼震的临床表现，在诊断时会给患者带来一定程度的痛苦，并且在眩晕表现相类似的疾病识别上，不能很好区分不同类型的眩晕症疾病，为后续治疗带来困难。

技术实现思路

[0005]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种眩晕症类型可穿戴识别系统、方法及可穿戴终端，用于解决以上现有技术问题。
[0006]为实现上述目的及其他相关目的，本专利技术提供一种可穿戴眩晕症类型可穿戴识别系统，所述系统包括：数据获取模块，用于获取在待识别用户行走过程中所采集的步行加速度时间序列数据；其中，所述步行加速度时间序列数据包括：同步采集的头部加速度时间序列数据、腰部加速度时间序列数据、左足踝加速度时间序列数据以及右足踝加速度时间序列数据；步态周期划分模块，连接所述数据获取模块，用于将所述步行加速度时间序列数据进行步态周期划分，以获得步态周期划分数据；其中，所述步态周期划分数据含有多个步态周期的加速度时间序列；特征提取模块，连接所述步态周期划分模块，用于对所述步态周期
划分数据提取步态稳定性特征，以获得步态稳定性特征数据；眩晕症类型识别模块，连接所述特征提取模块，用于基于眩晕症类型识别模型，根据所述步态稳定性特征数据获得所述待识别用户的眩晕症类型识别结果；其中，所述眩晕症类型识别结果所对应识别的眩晕症类型包括：良性阵发性位置性眩晕以及前庭性偏头痛。
[0007]于本专利技术的一实施例中，所述头部加速度时间序列数据包括：头部AP轴的加速度时间序列、头部ML轴的加速度时间序列以及头部VT轴的加速度时间序列；所述腰部加速度时间序列数据包括：腰部AP轴的加速度时间序列、腰部ML轴的加速度时间序列以及腰部VT轴的加速度时间序列；所述左足踝加速度时间序列数据包括：左足踝AP轴的加速度时间序列、左足踝ML轴的加速度时间序列以及左足踝VT轴的加速度时间序列；所述右足踝加速度时间序列数据包括：右足踝AP轴的加速度时间序列、右足踝ML轴的加速度时间序列以及右足踝VT轴的加速度时间序列。
[0008]于本专利技术的一实施例中，所述将所述步行加速度时间序列数据进行步态周期划分，以获得步态周期划分数据包括：基于所述腰部VT轴的加速度时间序列的多个峰值点以及分别所对应的时间点，将所述步行加速度时间序列数据划分为一或多个步态周期的加速度时间序列。
[0009]于本专利技术的一实施例中，所述基于所述腰部VT轴的加速度时间序列的多个峰值点以及分别所对应的时间点，将所述步行加速度时间序列数据划分为一或多个步态周期的加速度时间序列包括：基于所述腰部VT轴的加速度时间序列的相邻峰值点以及各峰值点所对应的时间点获取一或多个步态周期；根据各步态周期，将所述步行加速度时间序列数据划分为对应各步态周期的加速度时间序列；其中，每个步态周期的加速度时间序列包括：相邻两个跨步的加速度时间序列。
[0010]于本专利技术的一实施例中，所述对所述步态周期划分数据提取步态稳定性特征，以获得步态稳定性特征数据包括：分别对所述头部加速度时间序列数据、腰部加速度时间序列数据、左足踝加速度时间序列数据以及右足踝加速度时间序列数据计算各自的每个轴所对应的步态稳定性特征，以获得步态稳定性特征数据；其中，所述步态稳定性特征包括：加速度均方根、加速度振幅变异性、加速度谐波比、单步节律性、步态节律性以及步态对称性。
[0011]于本专利技术的一实施例中，所述眩晕症类型识别模型由对应多个步行加速度时间序列数据样本的步态稳定性特征向量矩阵训练获得；其中，所述步态稳定性特征向量矩阵包括：各步行加速度时间序列数据样本分别所对应的步态稳定性特征数据以及眩晕症类型标签；且每个步行加速度时间序列数据样本由同步采集的头部加速度时间序列数据、腰部加速度时间序列数据、左足踝加速度时间序列数据以及右足踝加速度时间序列数据构成。
[0012]于本专利技术的一实施例中，所述步态稳定性特征向量矩阵的获取方式包括：获取在一或多个用户行走过程中分别采集的多个步行加速度时间序列数据样本；分别对每个步行加速度时间序列数据样本进行步态周期划分，以获得各步态周期划分数据；其中，每个所述步态周期划分数据含有多个步态周期的加速度时间序列；对各步态周期划分数据中的头部加速度时间序列数据、腰部加速度时间序列数据、左足踝加速度时间序列数据以及右足踝加速度时间序列数据提取各自的每个轴所对应的步态稳定性特征，以获得对应各步行加速度时间序列数据样本的步态稳定性特征数据；基于获取的对各步态稳定性特征数据所标注的眩晕症类型标签以及各步态稳定性特征数据，获得所述步态稳定性特征向量矩阵。
[0013]于本专利技术的一实施例中，所述眩晕症类型识别模型采用KNN分类算法。
[0014]为实现上述目的及其他相关目的，本专利技术提供一种眩晕症类型可穿戴识别方法，所述方法包括：获取在待识别用户行走过程中所采集的步行加速度时间序列数据；其中，所述步行加速度时间序列数据包括：同步采集的头部加速度时间序列数据、腰部加速度时间序列数据、左足踝加速度时间序列数据以及右足踝加速度时间序列数据；将所述步行加速度时间序列数据进行步态周期划分，以获得步态周期划分数据；其中，所述步态周期划分数据含有多个步态周期的加速度时间序列；对所述步态周期划分数据提取步态稳定性特征，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种眩晕症类型可穿戴识别系统，其特征在于，应用于可穿戴设备，所述系统包括：数据获取模块，用于获取在待识别用户行进过程中所采集的步行加速度时间序列数据；其中，所述步行加速度时间序列数据包括：同步采集的头部加速度时间序列数据、腰部加速度时间序列数据、左足踝加速度时间序列数据以及右足踝加速度时间序列数据；步态周期划分模块，连接所述数据获取模块，用于将所述步行加速度时间序列数据进行步态周期划分，以获得步态周期划分数据；其中，所述步态周期划分数据含有多个步态周期的加速度时间序列；特征提取模块，连接所述步态周期划分模块，用于对所述步态周期划分数据提取步态稳定性特征，以获得步态稳定性特征数据；眩晕症类型识别模块，连接所述特征提取模块，用于基于眩晕症类型识别模型，根据所述步态稳定性特征数据获得所述待识别用户的眩晕症类型识别结果；其中，所述眩晕症类型识别结果所对应识别的眩晕症类型包括：良性阵发性位置性眩晕以及前庭性偏头痛。2.根据权利要求1中所述的眩晕症类型识别系统，其特征在于，所述头部加速度时间序列数据包括：头部AP轴的加速度时间序列、头部ML轴的加速度时间序列以及头部VT轴的加速度时间序列；所述腰部加速度时间序列数据包括：腰部AP轴的加速度时间序列、腰部ML轴的加速度时间序列以及腰部VT轴的加速度时间序列；所述左足踝加速度时间序列数据包括：左足踝AP轴的加速度时间序列、左足踝ML轴的加速度时间序列以及左足踝VT轴的加速度时间序列；所述右足踝加速度时间序列数据包括：右足踝AP轴的加速度时间序列、右足踝ML轴的加速度时间序列以及右足踝VT轴的加速度时间序列。3.根据权利要求2中所述的眩晕症类型可穿戴识别系统，其特征在于，所述将所述步行加速度时间序列数据进行步态周期划分，以获得步态周期划分数据包括：基于所述腰部VT轴的加速度时间序列的多个峰值点以及分别所对应的时间点，将所述步行加速度时间序列数据划分为一或多个步态周期的加速度时间序列。4.根据权利要求2中所述的眩晕症类型识别系统，其特征在于，所述基于所述腰部VT轴的加速度时间序列的多个峰值点以及分别所对应的时间点，将所述步行加速度时间序列数据划分为一或多个步态周期的加速度时间序列包括：基于所述腰部VT轴的加速度时间序列的相邻峰值点以及各峰值点所对应的时间点获取一或多个步态周期；根据各步态周期，将所述步行加速度时间序列数据划分为对应各步态周期的加速度时间序列；其中，每个步态周期的加速度时间序列包括：相邻两个单步的加速度时间序列。5.根据权利要求2中所述的眩晕症类型识别系统，其特征在于，所述对所述步态周期划分数据提取步态稳定性特征，以获得步态稳定性特征数据包括：分别对所述头部加速度时间序列数据、腰部加速度时间序列数据、左足踝加速度时间序列数据以及右足踝加速度时间序列数据计算各自的每个轴所对应的步态稳定性特征，以获得步态稳定性特征数据；其中...

【专利技术属性】
技术研发人员：黄秀雯，胡天弈，
申请(专利权)人：动卜医疗科技上海有限责任公司，
类型：发明
国别省市：