作者:袁心一,王家莉,仇一青,杨春晖,胡小吾,吴曦,沈林勇 单位:北京生物医学工程学会;北京心肺血管疾病研究所 出版:《北京生物医学工程》2019年第02期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFBJSC2019020120 DOC编号:DOCBJSC2019020129 下载格式:PDF + Word/doc 文字可复制、可编辑
《一种基于惯性传感器的帕金森病冻结步态识别方法研究》PDF+DOC2018年第02期 王琰,汪丰,章文斌,孙丰,龚大伟,郑慧芬 《基于可穿戴设备的跌倒检测算法综述》PDF+DOC2018年第09期 忽丽莎,王素贞,陈益强,高晨龙,胡春雨,蒋鑫龙,陈振宇,高兴宇 《基于手机放置变化的步态识别》PDF+DOC2016年第21期 杨文辉,杨明静 《基于Android的儿童运动分析及监控系统设计》PDF+DOC2017年第34期 张华伟,史久琛,李啸宇,董苏 《基于可穿戴设备的帕金森病运动迟缓检测评估方法研究进展》PDF+DOC2019年第06期 何娟娟,姚志明,李波陈,王建国,杨先军 《基于卷积神经网络的人体步态识别算法研究》PDF+DOC2020年第19期 陈法权,樊军 《基于惯性传感器的帕金森患者行走能力评估系统》PDF+DOC2017年第06期 温俊丽,杨先军,许胜强,刘遥,唐正,邱晓磊,谢南菊,孙怡宁 《基于体感网的可穿戴运动监测系统》PDF+DOC2015年第01期 汪丰,高帅锋,薛诗静 《基于机器学习的车辆路面类型识别技术研究》PDF+DOC2017年第08期 王世峰,都凯悦,孟颖,王锐 《基于支持向量机的跌倒检测算法研究》PDF+DOC2017年第01期 裴利然,姜萍萍,颜国正
  • 目的由于帕金森病冻结步态的突发性,临床上对其进行评估存在一定困难,为此本文研究了一种用于实时监测冻结步态的系统。方法该系统由可穿戴设备和配套的APP两部分构成,其中设备通过惯性传感器和超声波传感器采集患者腿部运动的加速度和抬脚高度数据,并传输至APP软件中,通过软件中的冻结步态识别模型进行分析。系统为构建冻结步态识别模型,首先通过实验采集12位患者的运动数据,然后经过信号预处理、特征提取和机器学习算法训练出模型,最后通过对数据集采用十折交叉验证来评估模型的准确度和精确度。结果系统对冻结步态的识别准确率可达98.6%,精确率达97.2%。结论该系统能够实时监测帕金森病患者日常生活中的冻结步态发作情况,为医生的诊疗提供定量、可靠的参考依据。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。