基于步态分析的轻度认知障碍的筛查方法技术

本发明专利技术提供基于步态分析的轻度认知障碍的筛查方法，首先通过相机获取正常人和轻度认知障碍患者的单任务和双任务步态视频；接着进行分析计算得到步速、步频、步幅和双任务步速消耗百分数；然后结合社会人口学特征进行综合评价，筛选出分类效果最佳的MCI判断模型及最佳分界值；最后录制受试者的单任务和双任务步行视频，将受试者的分界值与最佳分界值进行对比，对受试者是否为轻度认知障碍患者进行判断。该方法受文化水平和语言能力的影响不大，受试者接受度高；场地限制小，操作简易，耗时短，对测试人员要求不高，兼容性大，实用性强，可方便、快捷地筛查出MCI患者，十分有利于大人群下的MCI患者筛查，使得MCI患者能早期发现、早期干预。早期干预。早期干预。

【技术实现步骤摘要】
基于步态分析的轻度认知障碍的筛查方法


[0001]本专利技术属于辅助医疗
，涉及一种轻度认知障碍的筛查方法。

技术介绍

[0002]轻度认知障碍（mild cognitive impairment，MCI)是指一种介于正常老化和痴呆症之间的阶段。我国已有数千万名MCI患者，认知正常人群的痴呆症转化率仅为1
‑
2%，而MCI人群发展为痴呆症概率可达到10
‑
15%。已有大量研究证实，MCI是预防和控制痴呆症的黄金窗口期。
[0003]MCI常发生于65岁及以上的人群，该疾病的表现与正常衰老类似，常常受到忽视，预防和控制MCI人群转化成痴呆症的前提是能够快速区分识别出MCI和真正无病的人，进而早发现早治疗。
[0004]《2018中国痴呆与认知障碍诊治指南》中指出更适合于我国老年人群特征的MCI诊断标准，内容如下：
①
患者或知情者报告，或有经验的临床医师发现认知的损害；
②
存在一个或多个认知功能域损害的客观证据（来自认知测验）；
>③
复杂的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于步态分析的轻度认知障碍的筛查方法，其特征在于，包括以下步骤：步骤一、布置设备：在场地上布设一条长度为L的走道，在走道起点处、0.2L长度处、0.8L长度处和终点处做好标识，起点处至0.2L长度处之间的区域定义为第一步行缓冲区，0.8L长度处至终点处之间的区域定义为第二步行缓冲区，0.2L长度处至0.8L长度处之间的区域定义为步行计数区；在走道起点后方用三脚架固定好相机，将相机调整到适宜的高度、角度以保证相机能够将走道上的人像完全拍摄下来；步骤二、获取相机的内部参数和外部参数：依据张正友标定法，图片坐标系到相机坐标系的矩阵转换计算公式，获取相机的内部参数：焦距、光心所在位置的像素坐标，获取相机在不同拍摄角度下的外部参数：平移矩阵、旋转矩阵；步骤三、录制正常人和轻度认知障碍患者的步态视频：将相机的视频录制模式调整为固定的帧率，通过相机分别拍摄正常人和轻度认知障碍患者在走道上的单任务步行视频和双任务步行视频，利用MediaPipe人体姿态模型技术对正常人和轻度认知障碍患者所有单任务步行视频和双任务步行视频进行识别，筛选出画质清晰、外界干扰小、质量优质的视频，作为对照数据集和患者数据集；步骤四、采集步态原始数据：使用Mediapipe框架的BlazePose算法对对照数据集和患者数据集中的人体步行姿态进行感知，获取步行视频单帧的包括左脚跟（29）、右脚跟（30）、左脚尖（31）和右脚尖（32）在内的人体关键点的像素坐标；步骤五、分析步态原始数据：在对照数据集和患者数据集中，在第一步行缓冲区和第二步行缓冲区只计时，在步行计数区需获取每一步的步态参数信息，对左脚跟（29）、右脚跟（30）、左脚尖（31）和右脚尖（32）的像素坐标进行分析，找出左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数；步骤六、获取世界坐标：借助步骤二获取的相机内外参数，通过高度约束法根据脚跟着地时脚跟的像素坐标从而可以计算出脚跟世界坐标；步骤七、获取对照数据集和患者数据集的步态时间参数：根据步骤五得到的左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数，通过相机的帧率，计算得到每一个步态周期中的步速和步频；步骤八、获取对照数据集和患者数据集的步态空间参数：根据步骤五得到的左脚跟着地、左脚尖离地、右脚跟着地、右脚尖离地这四种状态所在的帧数以及步骤六得到的脚跟世界坐标，可计算出步幅；步骤九、步态时间参数和步态空间参数的二次计算：对步骤七、八获得的步态时间参数和步态空间参数进行比例计算，得出双任务步速消耗百分数；步骤十、获取最佳分界值：纳入对照数据集和患者数据集的单任务步行和双任务步行的步速、步频、步幅和双任务步速消耗百分数这四个步态指标，构建形成系列多元logistic回归模型作为MCI判断模型，同时使用Hosmer
‑
Lemeshow 拟合优度检验判断所构建MCI判断模型的校准能力，p值大于0.05则显示该MCI判断模型具有良好的校准能力，P值小于0.05则排除该MCI判断模型；采用阳性预测值、阴性预测值、灵敏度、特异度、准确度、约登指数和AUC构成的 7个维度对具有良好校准能力的MCI判断模型进行综合评价，筛选出分类效果最佳的MCI判断模型，最后针对分类效果最佳的MCI判断模型，以最大约登指数对应的检验变量值作为MCI判断模型的分界值，将该分界值作为最佳分界值；
步骤十一、对受试者进行筛查：采用步骤三至步骤十的方法得到受试者单任务步行和双任务步行的分界值，将该受试者的分界值与步骤十得到的最佳分界值进行对比，输出对比结果。2.根据权利要求1所述的基于步态分析的轻度认知障碍的筛查方法，其特征在于：所述的步骤二中...

【专利技术属性】
技术研发人员：田翀，杨孟姝，王雨欣，刘卫东，周杨诗宇，杨清，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：