公开(公告)号：CN110110633A

公开(公告)日：2019-08-09

申请号：CN201910347222.3

申请日：2019-04-28

Applicant: 华东交通大学

Inventor： 王浩伦 ,  刘凯 ,  黄月姑 ,  王新雨 ,  时二宁 ,  朱业安

IPC: G06K9/00 ,  G06K9/62

Abstract: 一种基于机器学习的偏瘫步态自动识别和分析的方法，包括步态特征提取、步态特征识别、特征重要性排序、贝叶斯结果分类。具体步骤如下：（1）基于Kinect传感器捕获受试者骨骼节点的三维坐标位置；（2）通过欧氏距离算法与节段质心算法算出人体质心位置移动范围与步幅、步速等时空特征；（3）建立出由输入空间步态特征集与输出空间对应的标记的映射关系；（4）利用以信息增益为依据的模糊二元对比决策方法进行特征组合重要性排序；（5）模型性能分析。本发明方法可明显降低医生对患者病情程度的主观判断的出错率，并为临床康复医生提供辅助数据与评估结果。

公开(公告)号：CN110110633B

公开(公告)日：2022-05-13

申请号：CN201910347222.3

申请日：2019-04-28

Applicant: 华东交通大学

Inventor： 王浩伦 ,  刘凯 ,  黄月姑 ,  王新雨 ,  时二宁 ,  朱业安

IPC: G06V40/20 ,  G06V10/764 ,  G06K9/62

Abstract: 一种基于机器学习的偏瘫步态自动识别和分析的方法，包括步态特征提取、步态特征识别、特征重要性排序、贝叶斯结果分类。具体步骤如下：（1）基于Kinect传感器捕获受试者骨骼节点的三维坐标位置；（2）通过欧氏距离算法与节段质心算法算出人体质心位置移动范围与步幅、步速等时空特征；（3）建立出由输入空间步态特征集与输出空间对应的标记的映射关系；（4）利用以信息增益为依据的模糊二元对比决策方法进行特征组合重要性排序；（5）模型性能分析。本发明方法可明显降低医生对患者病情程度的主观判断的出错率，并为临床康复医生提供辅助数据与评估结果。

公开(公告)号：CN110123317A

公开(公告)日：2019-08-16

申请号：CN201910347224.2

申请日：2019-04-28

Applicant: 华东交通大学

Inventor： 王浩伦 ,  徐唯祎 ,  刘凯 ,  徐苒 ,  朱业安 ,  王新雨

IPC: A61B5/0488 ,  A61B5/11 ,  A61B5/22 ,  G06N3/00

Abstract: 一种融合人工鱼群和随机森林算法的膝关节接触力计算方法，包括实验数据的采集、实验数据的预处理、步态参数的寻优、对步态参数集进行集成学习，构建步态参数与膝关节接触力数据训练和验证模型、建立出步态参数与膝关节接触力的非线性关系。本发明方法以获取患者的步态参数为基础，通过改进后的人工鱼群算法对所取参数进行寻优，再根据随机森林算法将最优参数下的数据集进行集成学习，最后得到步态参数与膝关节接触力的非线性关系。本发明可准确的构建出步态参数与膝关节接触力的非线性关系，避免医生使用传感器直接植入人体，减少对人体的侵入性。本发明可实时计算出膝关节接触力的大小，为康复医生术后的康复治疗提供依据。