一种基于平衡功能异常的跌倒评估模型的构建方法技术

本发明专利技术涉及下肢康复领域，具体地说是一种基于平衡异常的跌倒评估模型的构建方法。包括以下步骤：收集受试者连续变量，对连续变量进行描述和Berg分级；基于随机森林和Phik相关性热图选取特征参数用于建模；对数据集中按照训练集：测试集的特定比例随机拆分数据集，并对训练集使用SMOTE方法进行采样；使用随机森林模型及随机搜索方法调整模型的超参数，并计算模型评价指标，得出平均AUC数值；在特征参数中选取特定特征用于逻辑回归建模；当总评分大于某个数值时，则预测受试者具有较高的平衡功能障碍风险。受试者可通过下肢机器人采集平衡指标，并通过本模型实现平衡功能障碍评估。并通过本模型实现平衡功能障碍评估。并通过本模型实现平衡功能障碍评估。

【技术实现步骤摘要】
一种基于平衡功能异常的跌倒评估模型的构建方法


[0001]本专利技术涉及下肢康复领域，具体地说是一种基于平衡功能异常的跌倒评估模型的构建方法。

技术介绍

[0002]人体平衡能力是指人体维持自身稳定性的能力，包括维持某种姿势的能力，或者受到外力作用时，调控机体保持平衡的能力。平衡能力是人体重要的生理机能之一，也是人体运动机能的重要指标。平衡能力障碍主要表现为站立或行走不稳，容易摔倒。对于老年人和下肢功能受损人群而言，其摔倒会对家庭及社会造成很大负担。因此，监测和评估人体的平衡功能对于预防意外摔倒、下肢疾病的诊断及康复训练效果的评估具有重要作用。
[0003]临床上普遍采用的人体平衡测量方法主要包括观察法和量表法等。观察法是根据测试者保持某种姿势的时间长短，由医生根据测试情况和经验给出平衡测试结论。量表法则是由测试者按照要求做一系列动作和姿势，医生根据动作完成情况及标准，通过查表给出相应等级或分数，最后根据得分情况给出测试结论。这两种方法为临床平衡功能的检查和平衡功能障碍治疗提供了一定依据，但上述方法得出的结论多依赖于测试者和医生，相对于机器测量评估而言，主观性较强，不同人的测量结果和感受具有较大差异，限制了平衡功能的客观量化评价。目前大多数社区医疗卫生机构缺乏先进的智能训练评估装备，缺乏实时评估受试者的运动能力和个性化的制定训练,康复评估与训练数据信息的积累、挖掘仍是空白。为此，设计一种用于评估下肢平衡功能的智能系统和设备是十分必要的。

技术实现思路

[0004]为了客观化评估下肢平衡功能，防止跌倒风险。本专利技术提供了一种基于平衡功能异常的跌倒评估模型，该模型采集受试者运动信息，通过随机森林算法和二分类算法并结合Berg平衡量表得到平衡障碍结果。
[0005]本模型的构建具体采取了以下技术手段：
[0006]收集受试者连续变量，对连续变量进行描述和Berg分级；
[0007]基于随机森林和Phik相关性热图选取特征参数用于建模；对数据集中按照训练集：测试集的特定比例随机拆分数据集，并对训练集使用SMOTE方法进行过采样；
[0008]使用随机森林模型及随机搜索方法调整模型的超参数，并计算模型评价指标，得出平均AUC数值；
[0009]在特征参数中选取特定特征用于逻辑回归建模；当总评分大于某个数值时，则预测受试者具有较高风险的平衡功能异常。
[0010]进一步的，连续变量为36个，具体包括身高、体重、性别、年龄睁眼_轨迹长度、睁眼_包络面积、睁眼_Romberg率、闭眼_轨迹长度、闭眼_包络面积、闭眼_Romberg率、前庭感知_轨迹长度、前庭感知_包络面积、前庭感知_平均摆速、前庭感知_左右最大摆幅、前庭感知_前后最大摆幅、前庭感知_平均摆幅、健侧_轨迹长度、健侧_包络面积、健侧_平均摆速、
健侧_平均摆幅、健侧_左右最大摆幅、健侧_前后最大摆幅、患侧_轨迹长度、患侧_包络面积、患侧_平均摆速、患侧_平均摆幅、患侧_左右最大摆幅、患侧_前后最大摆幅、双脚_轨迹长度、双脚_包络面积、双脚_平均摆速、双脚_平均摆幅、双脚_左右最大摆幅、双脚_前后最大摆幅、Berg评分、Berg分级、BMI。
[0011]进一步的，根据变量的平均值和标准差，按照Berg分为1级、2级、3级；得出Berg分级统计中的缺失值。
[0012]进一步的，所述特征参数为BMI、前庭感知_轨迹长度、患侧_平均摆幅、双脚_左右最大摆幅、前庭感知_左右最大摆幅、患侧_轨迹长度、前庭感知_平均摆速、健侧_前后最大摆幅。
[0013]进一步的，训练集：测试集＝7：3；Berg分级样本数的1级：2级：3级＝12：68：41。
[0014]进一步的，所述模型评价指标包括准确性、召回率、精确率、宏平均
‑
F1分数、加权平均
‑
F1分数。
[0015]进一步的，选取的特定参数为患侧_轨迹长度；当总评分大于10时，可预测受试者具有较高风险的平衡功能异常。
[0016]相对应的，本专利技术还提供了一种基于平衡功能异常的跌倒评估模型的构建系统，包括：
[0017]变量分级模块，其用于收集受试者连续变量，对连续变量进行描述和Berg分级；
[0018]平衡模型构建模块，其用于将中位数插补缺失值，基于随机森林和Phik相关性热图选取特征参数用于建模；对数据集中按照训练集：测试集的特定比例随机拆分数据集，并对训练集使用SMOTE方法进行过采样；
[0019]评价指标模块，其采用随机森林模型及随机搜索方法调整模型的超参数，并计算模型评价指标，得出平均AUC数值；
[0020]回归模型构建模块，其用于在特征参数中选取特定特征用于逻辑回归建模；当总评分大于某个数值时，则预测受试者具有较高风险的平衡能力异常。
[0021]相应的，本专利技术还提供了一种计算机设备，包括处理器，其特征在于，所述处理器执行程序时实现模型构建所述的方法。
[0022]相应的，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现模型构建所述的方法。
[0023]本专利技术具有以下有益效果：
[0024]受试者可以借助下肢机器人完成平衡指标采集，通过平衡功能障碍的跌倒评估模型和Berg平衡量表，进而可准确、客观的评价人体在运动过程中的动态的平衡功能，可准确对不同的动态的步态特征进行分类，准确地获取人体的平衡功能。本模型中还引入了模型评价指标，并构建逻辑回归模型，极大提高模型预测可信度。
附图说明
[0025]图1是本专利技术平衡异常的跌倒评估模型的构建方法步骤图；
[0026]图2是本专利技术中变量Phik相关性热图；
[0027]图3是本专利技术中各变量特征概率比例图；
[0028]图4是本专利技术中模型各特征重要度排序图；
[0029]图5是本专利技术是各平衡指标箱型图；图(a)表示双脚_左右最大摆幅；图(b)表示前庭_感知轨迹长度；图(c)表示前庭感知左右_最大摆幅；图(d)表示受试者_轨迹长度；其中点表示均值；
[0030]图6是本专利技术中单个特征AUC曲线图；
[0031]图7是本专利技术中单个特征的列线图。
具体实施方式
[0032]本专利技术提供基于医院康复数据，建立了受试者“Berg平衡能力”评估模型，包括数据采集、数据预处理、建模以及预测能力评价。
[0033]本专利技术采集医院百例相关病例数据，剔除缺失和重复数据。对于入组受试者，收集了36个变量。具体包括：身高、体重、性别、年龄睁眼_轨迹长度、睁眼_包络面积、睁眼_Romberg率、闭眼_轨迹长度、闭眼_包络面积、闭眼_Romberg率、前庭感知_轨迹长度、前庭感知_包络面积、前庭感知_平均摆速、前庭感知_左右最大摆幅、前庭感知_前后最大摆幅、前庭感知_平均摆幅、健侧_轨迹长度、健侧_包络面积、健侧_平均摆速、健侧_平均摆幅、健侧_左右最大摆幅、健侧_前后最大摆幅、患侧_本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于平衡功能异常的跌倒评估模型的构建方法，其特征在于，包括以下步骤：收集受试者连续变量，对连续变量进行描述和Berg分级；基于随机森林和Phik相关性热图选取特征参数用于建模；对数据集中按照训练集：测试集的特定比例随机拆分数据集，并对训练集使用SMOTE方法进行过采样；使用随机森林模型及随机搜索方法调整模型的超参数，并计算模型评价指标，得出平均AUC数值；在特征参数中选取特定特征用于逻辑回归建模；当总评分大于某个数值时，则预测受试者具有较高的平衡功能障碍风险。2.根据权利要求1所述的基于平衡功能异常的跌倒评估模型的构建方法，其特征在于，所述连续变量包括身高、体重、性别、年龄睁眼_轨迹长度、睁眼_包络面积、睁眼_Romberg率、闭眼_轨迹长度、闭眼_包络面积、闭眼_Romberg率、前庭感知_轨迹长度、前庭感知_包络面积、前庭感知_平均摆速、前庭感知_左右最大摆幅、前庭感知_前后最大摆幅、前庭感知_平均摆幅、健侧_轨迹长度、健侧_包络面积、健侧_平均摆速、健侧_平均摆幅、健侧_左右最大摆幅、健侧_前后最大摆幅、患侧_轨迹长度、患侧_包络面积、患侧_平均摆速、患侧_平均摆幅、患侧_左右最大摆幅、患侧_前后最大摆幅、双脚_轨迹长度、双脚_包络面积、双脚_平均摆速、双脚_平均摆幅、双脚_左右最大摆幅、双脚_前后最大摆幅、Berg评分、Berg分级、BMI。3.根据权利要求1所述的基于平衡功能异常的跌倒评估模型的构建方法，其特征在于，根据变量的平均值和标准差，按照Berg分为1级、2级、3级；得出Berg分级统计中的缺失值。4.根据权利要求1所述的基于平衡功能异常的跌倒评估模型的构建方法，其特征在于，所述特征参数为BMI、前庭感知_轨迹长度、患侧_平均摆幅、双脚_左右最大摆幅、...

【专利技术属性】
技术研发人员：郑倩芸，杨坚，黎蒙，周鹏，周麟妍，刘贝，
申请(专利权)人：上海市徐汇区中心医院，
类型：发明
国别省市：