【技术实现步骤摘要】
【】本专利技术涉及帕金森病筛查领域，具体涉及一种基于行为学分析的早期帕金森病智能筛查方法及系统。
技术介绍
0、
技术介绍
1、帕金森病是一种神经退行性疾病，尽管早期筛查有助于保护神经并制定个性化治疗，但其隐蔽的初期症状和复杂的病理生理机制使得传统筛查方法面临挑战。然而，步态与运动行为的细微变化可能揭示其早期征兆。
2、传统帕金森病的监测和筛查主要依赖于如加速度计、陀螺仪、磁力计和生理、声音传感器等硬件设备。但这些设备有其局限性，例如数据的不全面性、易受外部环境干扰、长期监测的数据偏移以及数据质量下降等问题。这些局限性影响了传感器在帕金森病筛查中的效果，并对提升筛查的准确性和效率构成了障碍，此外，这些数据采集设备并不易普及推广，使得大规模筛查难以实现。
3、在帕金森病研究领域，运动行为学作为评估运动特性和行为模式的工具，具有重要的诊断价值。本专利技术通过综合分析患者的运动轨迹与滞留时间热力图，旨在深入探索其行为和运动特点，为早期筛查提供参考。
技术实现思路
0、
技术实现思路
1、本专利技术提供一种基于行为学分析的早期帕金森病智能筛查方法，以解决现有技术中帕金森病筛查不易大规模推广，以及筛查准确性差和效率低的问题。
2、本专利技术是通过以下技术方案实现的，提供一种基于行为学分析的早期帕金森病智能筛查方法，包括以下步骤：s1，采集人类或者动物的运动数据以绘制运动轨迹图和热力图；s2，对s1中的运动轨迹图和热力图进行预处理
3、进一步的，s1中采集人类的运动数据为采集健康人群和帕金森病患者的数据，具体按照以下步骤实施：s11，划定大小为5m×5m的实验区域；s12，使用标定后的摄像头录制健康人群和帕金森病患者在实验区域内5min的日常活动，并利用单目标追踪算法对健康人群和帕金森病患者的日常活动进行实时追踪；s13，基于摄像头标定后获得的转换矩阵，使用python程序将摄像头拍摄视频的像素坐标转换为实际的物理坐标；s14，根据视频的时间顺序将物理坐标排序形成运动轨迹图，并统计在不同地点的停留时间生成热力图。
4、其中采集健康人群和帕金森病患者的数据，可通过gps或北斗定位采集位置信息，然后使用python提取位置数据，也可通过wifi或蓝牙定位，使用三边定位算法获取位置信息。
5、进一步的，s1中采集动物数据为健康小鼠和早期帕金森小鼠的数据具体过程为：将注射药物诱导的早期帕金森病小鼠与健康小鼠放置在实验箱内活动5min，使用动物行为分析软件，自动记录小鼠在实验箱内的活动，获取早期帕金森病小鼠与健康小鼠的运动轨迹图以及对应的热力图。
6、进一步的，s2中对运动轨迹图的预处理包括：裁剪、缩放和去噪，具体过程为，首先构建一个包含特定rgb值的目标像素点集合，特定rgb值代表感兴趣的颜色特征，然后筛选运动轨迹图中的每个像素，检查其颜色是否与目标像素点集合中的任何一个匹配，根据筛选结果将不属于感兴趣的颜色特征的像素通过双线性插值替换为插值像素，实现去噪，最后计算保留区域的边界框，并从原始运动轨迹图中裁剪出这些区域；
7、s2中对热力图的预处理为去噪、裁剪、缩放和时间色谱映射，对热力图的裁剪需设置在缩放和时间色谱映射之前；
8、其中对热力图的去噪使用高斯平滑处理，具体过程如下，对于图像i'(x,y)上的每个像素，在进行平滑处理后，新的像素值i'(x,y)通过以下公式计算：
9、
10、其中，g(i,j)是高斯滤波器在位置(i,j)的值，即k是滤波器的一半大小，σ是高斯函数的标准差，决定滤波的程度，i(x-i,y-j)·g(i,j)计算的是原图像某位置像素值与对应高斯核的乘积，i'(x,y)是滑动窗口内所有这些乘积的和，实现了邻域像素值根据高斯函数的权重进行融合的目的。
11、s2中对热力图的裁剪和缩放的具体过程为，对热力图进行裁剪去除冗余区域，并缩放使其大小为224×224像素。
12、进一步的，s2中对热力图的时间色谱映射使用基于曼哈顿距离的热力图标准化方法，步骤如下：
13、步骤1，计算热力图中每个像素点的t值和s值，t为每个像素点所代表的局部停留时间，s代表标准化后的像素在时间映射色谱中的序号；
14、步骤2，根据s值从时间映射色谱中获取与计算得到的rgb值距离最近的rgb值；
15、步骤3，使用曼哈顿距离的最小rgb值覆盖原始热力图中的像素值；
16、distance＝|r1-r2|+|g1-g2|+|b1-b2| 公式1-1
17、通过公式1-1计算两个像素在三维rgb颜色空间中的曼哈顿距离，颜色距离越小，两个像素的颜色越相似，其中r1和r2分别表示第一个像素和第二个像素的红色通道值，g1和g2分别表示第一个像素和第二个像素的绿色通道值，b1和b2分别表示第一个像素和第二个像素的蓝色通道值，r1、r2、g1、g2、b1和b2的取值范围均为0到255；
18、
19、公式1-2用于计算每个像素点的局部停留时间，t表示局部停留最长时间，i为每个像素点在时间映射色谱中的序号，n为时间映射色谱的总rgb值个数；
20、
21、公式1-3用于将局部停留时间映射到热力图的标准化值上，ttotal是所有被测局部停留最长时间。
22、进一步的，s3中特征提取器包括两个并行连接具有相同结构的densenet网络，densenet网络每个层都直接连接到所有后续的层，用于保证最大信息流动，densenet网络开始于1个初始卷积层，然后是4个密集块和3个过渡层，初始卷积层具有64个7×7大小的滤波器，步长为2，密集块由多个密集层组成，每个密集层包括一个1×1卷积和一个3×3卷积，密集块配置为(6,12,24,16)，过渡层用于减少特征图深度，其包括1个1×1的卷积层和1个2×2的平均池化层，在最后一个密集块之后，有一个批量归一化层进行批归一化处理，每个卷积层之后有批量归一化操作，全局平均池化层在最后一个密集块之后，然后是输出层进行分类。
23、进一步的，s3中的分类器包括：线性层和softmax激活函数，线性层用于将前馈神经网络的输出映射到类别空间，并应用softmax激活函数以获得每个本文档来自技高网...
【技术保护点】
1.一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，S1中采集人类的运动数据为采集健康人群和帕金森病患者的数据，具体按照以下步骤实施：
3.根据权利要求2所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，S1中采集动物数据为健康小鼠和早期帕金森小鼠的数据，具体过程为：将注射药物诱导的早期帕金森病小鼠与健康小鼠放置在实验箱内活动5min，使用动物行为分析软件，自动记录小鼠在实验箱内的活动，获取早期帕金森病小鼠与健康小鼠的运动轨迹图以及对应的热力图。
4.根据权利要求3所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，S2中对运动轨迹图的预处理包括：裁剪、缩放和去噪，具体过程为，首先构建一个包含特定RGB值的目标像素点集合，所述特定RGB值代表感兴趣的颜色特征，然后筛选所述运动轨迹图中的每个像素，检查其颜色是否与目标像素点集合中的任何一个匹配，根据筛选结果将不属于感兴趣的颜色特征的像素通过双线性插值替换为插值像素，
5.根据权利要求4所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，S2中对热力图的时间色谱映射使用基于曼哈顿距离的热力图标准化方法，步骤如下：
6.根据权利要求5所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于：S3中特征提取器包括两个并行连接，且具有相同结构的DenseNet网络，DenseNet网络每个层都直接连接到所有后续的层，用于保证最大信息流动，DenseNet网络开始于1个初始卷积层，然后是4个密集块和3个过渡层，所述初始卷积层具有64个7×7大小的滤波器，步长为2，所述密集块由多个密集层组成，每个密集层包括一个1×1卷积和一个3×3卷积，所述密集块配置为(6,12,24,16)，所述过渡层用于减少特征图深度，其包括1个1×1的卷积层和1个2×2的平均池化层，在最后一个密集块之后，有一个批量归一化层进行批归一化处理，每个卷积层之后有批量归一化操作，全局平均池化层在最后一个密集块之后，然后是输出层进行分类。
7.根据权利要求6所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，S3中的分类器包括：线性层和Softmax激活函数，所述线性层用于将前馈神经网络的输出映射到类别空间，并应用所述Softmax激活函数以获得每个类别的概率分布。
8.根据权利要求7所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于：S3中所述融合模块使用特征拼接方法实现多源特征融合，其过程为孪生DenseNet网络输出的两个特征向量和其中d1和d2分别表示两个特征向量的维度，通过特征拼接得到一个新的特征向量其定义如下：Fconcat＝[F1,F2]，其中，[F1,F2]表示将特征向量F1和F2首尾相连。
9.根据权利要求8所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，S4具体步骤为：将所述早期帕金森精准识别初步模型产生的预测输出与实际的分类标签传递给损失函数，然后根据损失函数值经反向传播对所述预测初步模型参数进行调整，得到所述早期帕金森病精准识别模型。
10.一种基于行为学分析的早期帕金森病智能筛查系统，其特征在于，包括以下模块：用于采集人类或者动物数据的数据采集模块；用于将采集到的人类或者动物的数据转换为运动轨迹图和热力图的数据转换模块；用于将运动轨迹图和热力图进行预处理得到标准化数据集的数据处理模块；用于对所述运动轨迹图和热力图进行特征提取的提取器模块；用于对提取的特征进行多源特征融合的融合模块；对融合特征进行分类的分类器模块。
...【技术特征摘要】
1.一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，s1中采集人类的运动数据为采集健康人群和帕金森病患者的数据，具体按照以下步骤实施：
3.根据权利要求2所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，s1中采集动物数据为健康小鼠和早期帕金森小鼠的数据，具体过程为：将注射药物诱导的早期帕金森病小鼠与健康小鼠放置在实验箱内活动5min，使用动物行为分析软件，自动记录小鼠在实验箱内的活动，获取早期帕金森病小鼠与健康小鼠的运动轨迹图以及对应的热力图。
4.根据权利要求3所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，s2中对运动轨迹图的预处理包括：裁剪、缩放和去噪，具体过程为，首先构建一个包含特定rgb值的目标像素点集合，所述特定rgb值代表感兴趣的颜色特征，然后筛选所述运动轨迹图中的每个像素，检查其颜色是否与目标像素点集合中的任何一个匹配，根据筛选结果将不属于感兴趣的颜色特征的像素通过双线性插值替换为插值像素，实现去噪，最后计算保留区域的边界框，并从原始运动轨迹图中裁剪出这些区域；
5.根据权利要求4所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于，s2中对热力图的时间色谱映射使用基于曼哈顿距离的热力图标准化方法，步骤如下：
6.根据权利要求5所述的一种基于行为学分析的早期帕金森病智能筛查方法，其特征在于：s3中特征提取器包括两个并行连接，且具有相同结构的densenet网络，densenet网络每个层都直接连接到所有后续的层，用于保证最大信息流动，densenet网络开始于1个初始卷积层，然后是4个密集块和3个过渡层，所述初始卷积层具有64个7×7大小的滤波器，步长为2，所述密集块由多个密集层组成...
【专利技术属性】
技术研发人员：魏炜，罗鑫迪，界璐，胡振远，郝子坤，解鹏越，卫建华，张晓丹，赵瑞，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。