如需要完整文档点击下方 "点击下载文档" 按钮

本文利用微软公司研发的体感周边外设（Kinect）获取偏瘫患者的步行轨迹数据，在此基础上实现了偏瘫步态的自动识别，并对识别特征的重要性进行了排序。首先，研究设立了试验组和对照组，两组受试者按要求分别完成规定的范式动作，经由 Kinect 实时获取受试者的步行轨迹数据。从获取的数据中可提取步态识别特征：步速、步幅、质心的移动范围（上下和左右方向）。然后，利用贝叶斯分类算法对这些特征构成的样本集进行分类学习，实现偏瘫步态的自动识别。最后，利用随机森林算法确定每个特征的重要性，通过对每个特征的重要性进行排序，可为病情诊断提供参考。本文研究结果表明，基于贝叶斯算法的分类准确率为 96%；使用随机森林算法确定的特征重要性排序为步速、步幅、质心左右偏移距离、质心上下偏移距离，而步速与步幅、步速与质心左右偏移距离的组合是偏瘫步态分析诊断的重要依据。本文研究结果或可为偏瘫步态的智能诊断提供新的思路和参考。

如需要完整文档点击下方 "点击下载文档" 按钮

《偏瘫步态障碍的自动识别和分析》

将 完整文档 下载到本地，方便收藏和查阅

文件号：129231

点击下载文档