CN117137442B - 基于生物学特征帕金森症辅助检测系统、机器可读介质 - Google Patents
基于生物学特征帕金森症辅助检测系统、机器可读介质 Download PDFInfo
- Publication number
- CN117137442B CN117137442B CN202311126437.5A CN202311126437A CN117137442B CN 117137442 B CN117137442 B CN 117137442B CN 202311126437 A CN202311126437 A CN 202311126437A CN 117137442 B CN117137442 B CN 117137442B
- Authority
- CN
- China
- Prior art keywords
- classification
- biological characteristics
- auxiliary detection
- data
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 60
- 208000027089 Parkinsonian disease Diseases 0.000 title claims description 8
- 206010034010 Parkinsonism Diseases 0.000 title claims description 8
- 239000013598 vector Substances 0.000 claims abstract description 96
- 238000012545 processing Methods 0.000 claims abstract description 31
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 22
- 208000018737 Parkinson disease Diseases 0.000 claims abstract description 20
- 230000008921 facial expression Effects 0.000 claims abstract description 19
- 201000010099 disease Diseases 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000013499 data model Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000011895 specific detection Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 238000003745 diagnosis Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 102000010445 Lactoferrin Human genes 0.000 description 1
- 108010063045 Lactoferrin Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- CSSYQJWUGATIHM-IKGCZBKSSA-N l-phenylalanyl-l-lysyl-l-cysteinyl-l-arginyl-l-arginyl-l-tryptophyl-l-glutaminyl-l-tryptophyl-l-arginyl-l-methionyl-l-lysyl-l-lysyl-l-leucylglycyl-l-alanyl-l-prolyl-l-seryl-l-isoleucyl-l-threonyl-l-cysteinyl-l-valyl-l-arginyl-l-arginyl-l-alanyl-l-phenylal Chemical compound C([C@H](N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CS)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](C)C(=O)N1CCC[C@H]1C(=O)N[C@@H](CO)C(=O)N[C@@H]([C@@H](C)CC)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CS)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(O)=O)C1=CC=CC=C1 CSSYQJWUGATIHM-IKGCZBKSSA-N 0.000 description 1
- 229940078795 lactoferrin Drugs 0.000 description 1
- 235000021242 lactoferrin Nutrition 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/113—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining or recording eye movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4803—Speech analysis specially adapted for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Abstract
本发明具体涉及一种基于生物学特征帕金森症辅助检测系统、机器可读介质,包括数据采集单元,用于获取待测人员生物学特征,生物学特征包括待测人员的脸部表情、眼部动作与音频;数据处理单元,用于将生物学特征处理为特征向量,特征向量由不同的数据构成;将生物学特征处理为特征向量包括,将生物学特征中的脸部表情数据、眼部动作数据、音频强度数据分别处理量化,然后将脸部表情数据、眼部动作数据、音频强度数据归一化得到N维特征向量;辅助检测模型单元,用于构建辅助检测模型,辅助检测模型用于根据特征向量识别确定输入用户的病症分类;控制单元,用于将待测人员的生物学特征转换为特征向量输入到辅助检测模型识别确定病症分类。
Description
技术领域
本发明属于辅助检测领域,具体涉及一种基于生物学特征帕金森症辅助检测系统、机器可读介质。
背景技术
帕金森是中老年人常见的神经系统退行性疾病。帕金森病目前尚没有有效的方法去治愈,但可以通过药物或者手术的方式减轻症状,延缓疾病的发展,从而改善患者的生活质量,早期的帕金森病不容易发现,专门的诊断成本比较高,比如,比如公开(公告)号为CN108431608B,分类号为G01N,专利名称为用于诊断或预后阿尔茨海默病或用于诊断帕金森病的乳铁蛋白的专利文献,还比如公开(公告)号为CN107389818B,分类号为G01N,名称为一种治疗帕金森的药物及其制备方法与检测方法及用途,还比如公开号为,CN111024843B,名称为用于诊断帕金森病的联合标志物及检测试剂的专利文献等等,这类技术诊断的成本都比较高,且比较繁琐,现有技术也有通过终端设备能够获取待测人员的面部数据和音频数据进行辅助诊断的,但是并没有数据处理的技术来对相关疾病进行诊断,依然是需要医护人员主观经验对数据分析来做诊断。
发明内容
本发明的目的在于提供一种基于生物学特征帕金森症辅助检测系统、机器可读介质,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一方面基于生物学特征帕金森症辅助检测系统,包括数据采集单元、数据处理单元、辅助检测模型单元和控制单元;
数据采集单元,用于获取待测人员生物学特征,生物学特征包括待测人员的脸部表情、眼部动作与音频;
数据处理单元,用于将生物学特征处理为特征向量,特征向量由不同的数据构成;将生物学特征处理为特征向量包括,将生物学特征中的脸部表情数据、眼部动作数据、音频强度数据分别处理量化,然后将脸部表情数据、眼部动作数据、音频强度数据归一化得到N维特征向量;
辅助检测模型单元,用于构建辅助检测模型,辅助检测模型用于根据特征向量识别确定输入用户的病症分类;
控制单元,用于将待测人员的生物学特征转换为特征向量输入到辅助检测模型识别确定病症分类。
进一步,构建辅助检测模型具体为,先统计获取若干典型的测试人员样本,每一种样本均包括特征向量和对应的分类类别,分类类别包括是否属于帕金森症的分类,还包括具体检测指标的类别;然后对样本就过滤和筛选确定代表性样本,并且记录每一个代表性样本的特征向量和分类类别存储所有代表性样本的特征向量和分类类别形成数据模型即辅助检测模型。
进一步,根据特征向量识别确定输入用户的病症分类具体为,首先获取输入用户的特征向量,然后计算输入用户的特征向量与每一个代表性样本的特征向量的判别值,将得到的所有判别值按照对应的参与计算的代表性样本的分类类别添加分类类别标签,然后将得到的所有判别值按照从小到大的顺序排序并且选取在前的v个判别值,将该v个判别值按照分类类别标签是否相同分族,然后从该v个判别值中确定一个族为最优族该最优族为在v个判别值中判别值数量最多的一个族,因为最优族的判别值分类类别标签均相同,以该最优族的判别值分类类别标签作为输入用户的分类类别标签,进而得到分类类别确定输入用户的病症分类。
进一步,将待测人员的生物学特征转换为特征向量,具体为调取数据处理单元将待测人员的生物学特征转换为待测人员特征向量。
进一步,输入到辅助检测模型识别确定病症分类具体为,首先获取待测人员特征向量,然后计算待测人员特征向量与每一个代表性样本的特征向量的判别值,将得到的所有判别值按照对应的参与计算的代表性样本的分类类别添加分类类别标签,然后将得到的所有判别值按照从小到大的顺序排序并且选取在前的v个判别值,将该v个判别值按照分类类别标签是否相同分族,然后从该v个判别值中确定一个族为最优族该最优族为在v个判别值中判别值数量最多的一个族,因为最优族的判别值分类类别标签均相同,以该最优族的判别值分类类别标签作为待测人员的分类类别标签,进而得到分类类别确定待测人员的病症分类。
另外一方面本申请还公开机器可读介质,用于存储基于生物学特征帕金森症辅助检测系统单元功能的程序代码。
计算机,用于执行基于生物学特征帕金森症辅助检测系统单元功能的程序代码。
有益效果:本申请能够通过数据处理对生物学特征帕金森症辅助检测,具体实施之中获取待测人员生物学特征,将生物学特征处理为特征向量,特征向量由不同的数据构成;构建辅助检测模型根据特征向量识别确定输入用户的病症分类;将待测人员的生物学特征转换为特征向量输入到辅助检测模型识别确定病症分类。
附图说明
图1为本申请基于生物学特征帕金森症辅助检测系统实施例组成的框图。
图2为本申请数据归一化得到N维特征向量的流程演示图。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术之中没有数据处理的技术来对帕金森症进行检测,依然是需要医护人员主观经验对数据分析来做检测,为了解决这个技术问题,本申请公开了基于生物学特征帕金森症辅助检测系统,如图1,系统组成包括数据采集单元、数据处理单元、辅助检测模型单元和控制单元;
数据采集单元,用于获取待测人员生物学特征,获取待测人员生物学特征为现有的技术的不再赘述,生物学特征包括待测人员的脸部表情、眼部动作与音频;
数据处理单元,用于将生物学特征处理为特征向量,特征向量由不同的数据构成,具体的,将生物学特征处理为特征向量包括,将生物学特征中的脸部表情数据、眼部动作数据、音频强度数据分别处理量化,然后将脸部表情数据、眼部动作数据、音频强度数据归一化得到N维特征向量,下面举例说明,比如图2,生物学特征中的脸部表情数据、眼部动作数据、音频强度数据每一个数据由一个数值表征,当然实践中也可以不止一个数值比如实际中脸部表情数据、眼部动作数据均可以由超过一个数值表征,当生物学特征中的脸部表情数据、眼部动作数据、音频强度数据每一个数据由一个数值表征则每一个样本有三个数值构成,然后将将脸部表情数据、眼部动作数据、音频强度数据归一化得到3维特征向量,特征向量不同的分量代表不同的数据类型;
辅助检测模型单元,用于构建辅助检测模型,构建辅助检测模型具体为,先统计获取若干典型的测试人员样本,每一种样本均包括特征向量和对应的分类类别,分类类别包括是否属于帕金森症的分类,还包括具体检测指标的类别;然后对样本就过滤和筛选确定代表性样本,并且记录每一个代表性样本的特征向量和分类类别存储所有代表性样本的特征向量和分类类别形成数据模型即辅助检测模型,辅助检测模型用于根据特征向量识别确定输入用户的病症分类;根据特征向量识别确定输入用户的病症分类具体为,首先获取输入用户的特征向量,然后计算输入用户的特征向量与每一个代表性样本的特征向量的判别值,将得到的所有判别值按照对应的参与计算的代表性样本的分类类别添加分类类别标签,然后将得到的所有判别值按照从小到大的顺序排序并且选取在前的v个判别值,其中的v为固定值比如为5,将该v个判别值按照分类类别标签是否相同分族,然后从该v个判别值中确定一个族为最优族该最优族为在v个判别值中判别值数量最多的一个族,因为最优族的判别值分类类别标签均相同,以该最优族的判别值分类类别标签作为输入用户的分类类别标签,进而得到分类类别确定输入用户的病症分类;
控制单元,用于将待测人员的生物学特征转换为特征向量输入到辅助检测模型识别确定病症分类,将待测人员的生物学特征转换为特征向量,具体为调取数据处理单元将待测人员的生物学特征转换为待测人员特征向量;
输入到辅助检测模型识别确定病症分类具体为,首先获取待测人员特征向量,然后计算待测人员特征向量与每一个代表性样本的特征向量的判别值,将得到的所有判别值按照对应的参与计算的代表性样本的分类类别添加分类类别标签,然后将得到的所有判别值按照从小到大的顺序排序并且选取在前的v个判别值,其中的v为固定值比如为5,将该v个判别值按照分类类别标签是否相同分族,然后从该v个判别值中确定一个族为最优族该最优族为在v个判别值中判别值数量最多的一个族,因为最优族的判别值分类类别标签均相同,以该最优族的判别值分类类别标签作为待测人员的分类类别标签,进而得到分类类别确定待测人员的病症分类。
可见,本申请能够通过数据处理对生物学特征帕金森症辅助检测,具体实施之中获取待测人员生物学特征,将生物学特征处理为特征向量,特征向量由不同的数据构成;构建辅助检测模型根据特征向量识别确定输入用户的病症分类;将待测人员的生物学特征转换为特征向量输入到辅助检测模型识别确定病症分类。
本申请需要保护的实施例包括:
基于生物学特征帕金森症辅助检测系统,包括,数据采集单元、数据处理单元、辅助检测模型单元和控制单元;
数据采集单元,用于获取待测人员生物学特征,生物学特征包括待测人员的脸部表情、眼部动作与音频;
数据处理单元,用于将生物学特征处理为特征向量,特征向量由不同的数据构成;将生物学特征处理为特征向量包括,将生物学特征中的脸部表情数据、眼部动作数据、音频强度数据分别处理量化,然后将脸部表情数据、眼部动作数据、音频强度数据归一化得到N维特征向量;
辅助检测模型单元,用于构建辅助检测模型,辅助检测模型用于根据特征向量识别确定输入用户的病症分类;
控制单元,用于将待测人员的生物学特征转换为特征向量输入到辅助检测模型识别确定病症分类。
优选地,构建辅助检测模型具体为,先统计获取若干典型的测试人员样本,每一种样本均包括特征向量和对应的分类类别,分类类别包括是否属于帕金森症的分类,还包括具体检测指标的类别;然后对样本就过滤和筛选确定代表性样本,并且记录每一个代表性样本的特征向量和分类类别存储所有代表性样本的特征向量和分类类别形成数据模型即辅助检测模型。
根据特征向量识别确定输入用户的病症分类具体为,首先获取输入用户的特征向量,然后计算输入用户的特征向量与每一个代表性样本的特征向量的判别值,将得到的所有判别值按照对应的参与计算的代表性样本的分类类别添加分类类别标签,然后将得到的所有判别值按照从小到大的顺序排序并且选取在前的v个判别值,其中的v为固定值比如为5,将该v个判别值按照分类类别标签是否相同分族,然后从该v个判别值中确定一个族为最优族该最优族为在v个判别值中判别值数量最多的一个族,因为最优族的判别值分类类别标签均相同,以该最优族的判别值分类类别标签作为输入用户的分类类别标签,进而得到分类类别确定输入用户的病症分类。
优选地,将待测人员的生物学特征转换为特征向量,具体为调取数据处理单元将待测人员的生物学特征转换为待测人员特征向量。
优选地,输入到辅助检测模型识别确定病症分类具体为,首先获取待测人员特征向量,然后计算待测人员特征向量与每一个代表性样本的特征向量的判别值,将得到的所有判别值按照对应的参与计算的代表性样本的分类类别添加分类类别标签,然后将得到的所有判别值按照从小到大的顺序排序并且选取在前的v个判别值,其中的v为固定值比如为5,将该v个判别值按照分类类别标签是否相同分族,然后从该v个判别值中确定一个族为最优族该最优族为在v个判别值中判别值数量最多的一个族,因为最优族的判别值分类类别标签均相同,以该最优族的判别值分类类别标签作为待测人员的分类类别标签,进而得到分类类别确定待测人员的病症分类。
可以理解的,本申请这里的系统单元功能也可以通过程序代码实现,相应的程序代码存储在机器可读介质,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。为了提供与用户的交互,可以在计算机上实施此处描述的系统单元功能,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
以上所述实施例仅表达了本发明的部分实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明的保护范围应以所附权利要求为准。
Claims (5)
1.基于生物学特征帕金森症辅助检测系统,其特征在于,包括数据采集单元、数据处理单元、辅助检测模型单元和控制单元;
数据采集单元,用于获取待测人员生物学特征,生物学特征包括待测人员的脸部表情、眼部动作与音频;
数据处理单元,用于将生物学特征处理为特征向量,特征向量由不同的数据构成;将生物学特征处理为特征向量包括,将生物学特征中的脸部表情数据、眼部动作数据、音频强度数据分别处理量化,然后将脸部表情数据、眼部动作数据、音频强度数据归一化得到N维特征向量;
辅助检测模型单元,用于构建辅助检测模型,辅助检测模型用于根据特征向量识别确定输入用户的病症分类;
控制单元,用于将待测人员的生物学特征转换为特征向量输入到辅助检测模型识别确定病症分类;
所述构建辅助检测模型具体为,先统计获取若干典型的测试人员样本,每一种样本均包括特征向量和对应的分类类别,分类类别包括是否属于帕金森症的分类,还包括具体检测指标的类别;然后对样本过滤和筛选确定代表性样本,并且记录每一个代表性样本的特征向量和分类类别存储,所有代表性样本的特征向量和分类类别形成数据模型即辅助检测模型;
输入到辅助检测模型识别确定病症分类具体为,首先获取待测人员特征向量,然后计算待测人员特征向量与每一个代表性样本的特征向量的判别值,将得到的所有判别值按照对应的参与计算的代表性样本的分类类别添加分类类别标签,然后将得到的所有判别值按照从小到大的顺序排序并且选取在前的v个判别值,将该v个判别值按照分类类别标签是否相同分族,然后从该v个判别值中确定一个族为最优族,该最优族为在v个判别值中判别值数量最多的一个族,因为最优族的判别值分类类别标签均相同,以该最优族的判别值分类类别标签作为待测人员的分类类别标签,进而得到分类类别确定待测人员的病症分类。
2.根据权利要求1所述的基于生物学特征帕金森症辅助检测系统,其特征在于,根据特征向量识别确定输入用户的病症分类具体为,首先获取输入用户的特征向量,然后计算输入用户的特征向量与每一个代表性样本的特征向量的判别值,将得到的所有判别值按照对应的参与计算的代表性样本的分类类别添加分类类别标签,然后将得到的所有判别值按照从小到大的顺序排序并且选取在前的v个判别值,将该v个判别值按照分类类别标签是否相同分族,然后从该v个判别值中确定一个族为最优族,该最优族为在v个判别值中判别值数量最多的一个族,因为最优族的判别值分类类别标签均相同,以该最优族的判别值分类类别标签作为输入用户的分类类别标签,进而得到分类类别确定输入用户的病症分类。
3.根据权利要求1所述的基于生物学特征帕金森症辅助检测系统,其特征在于,将待测人员的生物学特征转换为特征向量,具体为调取数据处理单元将待测人员的生物学特征转换为待测人员特征向量。
4.机器可读介质,其特征在于,用于存储权利要求1-3任一权利要求所述的基于生物学特征帕金森症辅助检测系统单元功能的程序代码。
5.计算机,其特征在于,用于执行权利要求1-3任一权利要求所述的基于生物学特征帕金森症辅助检测系统单元功能的程序代码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311126437.5A CN117137442B (zh) | 2023-09-04 | 2023-09-04 | 基于生物学特征帕金森症辅助检测系统、机器可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311126437.5A CN117137442B (zh) | 2023-09-04 | 2023-09-04 | 基于生物学特征帕金森症辅助检测系统、机器可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117137442A CN117137442A (zh) | 2023-12-01 |
CN117137442B true CN117137442B (zh) | 2024-03-29 |
Family
ID=88907637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311126437.5A Active CN117137442B (zh) | 2023-09-04 | 2023-09-04 | 基于生物学特征帕金森症辅助检测系统、机器可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117137442B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108305680A (zh) * | 2017-11-13 | 2018-07-20 | 陈霄 | 基于多元生物学特征的智能帕金森症辅助诊断方法和装置 |
CN111128369A (zh) * | 2019-11-18 | 2020-05-08 | 创新工场(北京)企业管理股份有限公司 | 一种用于评估患者的帕金森病情的方法和装置 |
CN111444802A (zh) * | 2020-03-18 | 2020-07-24 | 重庆邮电大学 | 一种人脸识别方法、装置及智能终端 |
CN111814615A (zh) * | 2020-06-28 | 2020-10-23 | 湘潭大学 | 一种基于指令视频的帕金森非接触式智能检测方法 |
CN113317763A (zh) * | 2021-06-30 | 2021-08-31 | 平安科技(深圳)有限公司 | 基于多模态的帕金森病检测装置及计算机可读存储介质 |
CN113362946A (zh) * | 2021-07-20 | 2021-09-07 | 景昱医疗器械(长沙)有限公司 | 视频处理装置、电子设备及计算机可读存储介质 |
KR20220021975A (ko) * | 2020-08-14 | 2022-02-23 | 정새보미 | 비대면 신경학적 질환 검진 서비스 제공 시스템 |
CN115985490A (zh) * | 2023-03-17 | 2023-04-18 | 四川大学华西医院 | 一种帕金森疾病客观化、定量化早期诊断系统及存储介质 |
CN116189909A (zh) * | 2023-03-06 | 2023-05-30 | 佳木斯大学 | 基于推举算法的临床医学判别方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220280098A1 (en) * | 2021-03-02 | 2022-09-08 | International Business Machines Corporation | Assessing parkinson's disease symptoms |
-
2023
- 2023-09-04 CN CN202311126437.5A patent/CN117137442B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108305680A (zh) * | 2017-11-13 | 2018-07-20 | 陈霄 | 基于多元生物学特征的智能帕金森症辅助诊断方法和装置 |
CN111128369A (zh) * | 2019-11-18 | 2020-05-08 | 创新工场(北京)企业管理股份有限公司 | 一种用于评估患者的帕金森病情的方法和装置 |
CN111444802A (zh) * | 2020-03-18 | 2020-07-24 | 重庆邮电大学 | 一种人脸识别方法、装置及智能终端 |
CN111814615A (zh) * | 2020-06-28 | 2020-10-23 | 湘潭大学 | 一种基于指令视频的帕金森非接触式智能检测方法 |
KR20220021975A (ko) * | 2020-08-14 | 2022-02-23 | 정새보미 | 비대면 신경학적 질환 검진 서비스 제공 시스템 |
CN113317763A (zh) * | 2021-06-30 | 2021-08-31 | 平安科技(深圳)有限公司 | 基于多模态的帕金森病检测装置及计算机可读存储介质 |
CN113362946A (zh) * | 2021-07-20 | 2021-09-07 | 景昱医疗器械(长沙)有限公司 | 视频处理装置、电子设备及计算机可读存储介质 |
CN116189909A (zh) * | 2023-03-06 | 2023-05-30 | 佳木斯大学 | 基于推举算法的临床医学判别方法及系统 |
CN115985490A (zh) * | 2023-03-17 | 2023-04-18 | 四川大学华西医院 | 一种帕金森疾病客观化、定量化早期诊断系统及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于动态注意力机制和多模态循环融合的帕金森氏症识别;朱家英,徐志京;计算机应用研究;20230228;第40卷(第2期);第481-487页 * |
基于过滤的域适应模型融合的帕金森病情预测;季薇;吕艳洁;林钢;李云;;仪器仪表学报;20180615(第06期);第104-111页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117137442A (zh) | 2023-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Oh et al. | Identifying schizophrenia using structural MRI with a deep learning algorithm | |
CN106725532B (zh) | 基于语音特征与机器学习的抑郁症自动评估系统和方法 | |
CN107247881B (zh) | 一种多模态智能分析方法及系统 | |
CN109271969B (zh) | 一种脑胶质瘤分级评价方法及其装置 | |
Sun et al. | Diagnosis and analysis of diabetic retinopathy based on electronic health records | |
Hirimutugoda et al. | Image analysis system for detection of red cell disorders using artificial neural networks | |
CN110570941B (zh) | 一种基于文本语义向量模型评估心理状态的系统和装置 | |
CN114999629A (zh) | 一种基于多特征融合的ad早期预测方法、系统、装置 | |
CN112768070A (zh) | 一种基于对话交流的精神健康评测方法和系统 | |
CN113780150A (zh) | 一种基于多维身体状态感知的疲劳检测方法及系统 | |
CN103345633A (zh) | 一种用于阿尔兹海默病早期发现的结构性核磁共振影像处理方法 | |
CN114343577A (zh) | 认知功能评价方法、终端设备以及计算机可读存储介质 | |
CN117137442B (zh) | 基于生物学特征帕金森症辅助检测系统、机器可读介质 | |
CN117557941A (zh) | 基于多模态数据融合的视频智能分析系统及方法 | |
CN111081374B (zh) | 基于共同注意力范式的孤独症辅助诊断装置 | |
CN110393539B (zh) | 心理异常检测方法、装置、存储介质及电子设备 | |
Kavak et al. | Application of CNN for detection and localization of STEMI using 12-lead ECG images | |
CN115439920B (zh) | 基于情绪视听刺激和面部表情的意识状态检测系统、设备 | |
Yang et al. | Calcium spark detection and event-based classification of single cardiomyocyte using deep learning | |
CN115376692A (zh) | 一种健康数据的处理方法、装置、电子设备及存储介质 | |
CN113610067B (zh) | 情绪状态展示方法、装置及系统 | |
Jiji et al. | Diagnosis of Parkinson’s disease using EEG and fMRI | |
CN110889836A (zh) | 一种影像数据分析方法、装置、终端设备及存储介质 | |
Sujatha et al. | Detection of Bipolar Disorder Using Machine Learning with MRI. | |
Yu et al. | Depression and severity detection based on body kinematic features: using kinect recorded skeleton data of simple action |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |