一种无察觉的下肢静止震颤可视化与量化分析系统

1.本发明属于医用检测设备技术领域，具体涉及一种无察觉的下肢静止震颤可视化与量化分析系统。


背景技术：

2.随着人口老龄化问题越发严重，近年来帕金森病的患者群体越发庞大，给医疗带来巨大挑战。帕金森病会引起患者静止状态下的肢体震颤，一般震颤频率为4～6hz，除此之外还会导致患者出现行动缓慢、肌肉僵直、姿势保持障碍等常见症状。虽然患有帕金森病不会直接威胁患者生命，但是随着帕金森病病情的逐渐严重，患者会出现生活难以自理的情况，一方面严重影响患者及家人的生活质量，另一方面会给患者带来巨大的心理压力，甚至导致患者产生抑郁心理等。
3.医院中检测帕金森病主要通过医生观察受试者的症状表现及分析受试者的生理信号来得到对于该受试者患病状态的主观判断。该诊断方式不对患者的症状表现和生理信号分析结果进行量化，而是通过医生的医学经验对患者的患病状态进行主观判断，这导致医院难以形成针对帕金森病诊断的统一量化标准，致使诊断结果的准确率过度依赖医生的专业经验，且难以消除医生主观想法对诊断结果的影响。
4.通过机器学习等数据驱动的方式对受试者的生理信号进行诊断，是诊断帕金森病的新方法，但是基于数据驱动的诊断方法(申请号为：cn202211294802，名称为：一种基于腕部震颤信号的帕金森检测系统及设备)过分依赖数据，缺乏必要的医学经验指引，因此该方法的可解释性较差；同时该方法的中间处理过程不可见且无法生成量化分析的中间结果，导致该方法产生的结果难以和医学对接，医生难以对该方法产生的结果进行进一步的分析，无法通过该分析的结果为患者进行用药指导等治疗。专利(申请号为：202211157651.2，名称为：一种步态分析方法、系统以及改善行走障碍的装置)提出了一种采集受试者脚部加速度和压力等信号，对其进行处理后上传至服务器的装置，该装置的加速度传感器和压力传感器只能采集单个放置点的信号且并不贴合脚面，因此无法贴合脚面采集大面积和微弱的信号；该装置无法生成针对震颤的诊断结果，其诊断结果的提出只能依靠医生，无法排除医生主观想法对诊断结果的影响且无诊断结果与医生的诊断结果相佐证。


技术实现要素：

5.为了解决上述现有技术的缺点，本发明的目的在于提供了一种无察觉的下肢静止震颤可视化与量化分析系统，通过对人体足底的动态变形信号进行分析并得到具有统一标准且可视化的分析结果，使分析结果符合医学经验，增加了分析结果的可解释性；通过对受试者进行针对下肢静止震颤的量化诊断，同时将对患者数据的分析结果以可视化的形式呈现，医生可根据可视化结果对患者进行更加详细的基于医学经验的诊断；通过电脑端和医生分别对上述分析结果进行基于数据和基于医学经验的诊断，增加了该系统诊断结果的可解释性和可信性。
6.为了实现上述目的，本发明采用如下的技术方案：
7.一种无察觉的下肢静止震颤可视化与量化分析系统，包括足底动态变形信号采集模块、下肢震颤信号提取模块、下肢震颤信号分析模块、特征提取模块、信号分析可视化模块、特征分析模块、数据库更新模块；
8.足底动态变形信号采集模块采集受试者无察觉状态下的双下肢的足底动态变形信号；
9.下肢震颤信号提取模块提取足底动态变形信号中呈周期性特性的下肢震颤信号；
10.下肢震颤信号分析模块对提取的下肢震颤信号进行时域分析、频域分析和时频域分析；
11.特征提取模块由时域分析、频域分析和时频域分析结果中提取出具有统一标准的量化特征，并生成特征可视化结果；
12.信号分析可视化模块对时域分析、频域分析和时频域分析结果进行可视化处理，生成信号分析可视化结果；医生根据信号分析可视化结果和特征可视化结果分别对受试者的双下肢进行更加详细的基于医学经验的诊断，得到专家诊断结果；
13.特征分析模块通过特征数据库中的标准量化特征数据与受试者的量化特征数据进行对比的方式分别对受试者的双下肢进行量化诊断，得到针对受试者双下肢的量化诊断结果；结果输出后，数据库更新模块根据专家诊断结果和量化诊断结果的对比结果，决定是否将该受试者的量化特征数据纳入特征数据库中对其进行更新。
14.所述的足底动态变形信号采集模块集成在鞋垫中，鞋垫上的不同位置设置了多个足底动态变形信号采集点，采集人体双下肢的多通道足底动态变形信号，足底动态变形信号由足底的压力信号及足底的变形信号耦合而成，通过无线传输的方式进行足底动态变形信号发送。
15.所述的下肢震颤信号提取模块对人体双下肢的多通道的足底动态变形信号分别进行信号提取，过滤足底动态变形信号中非周期性的由于自然神经波动和晃动产生的噪声干扰，保留周期性的下肢震颤信号。
16.所述的下肢震颤信号分析模块对人体双下肢的下肢震颤信号进行时域分析、频域分析和时频域分析，分析结果能反映受试者双下肢静止震颤的震颤幅度、震颤频率和震颤稳定性和下肢震颤信号中各频段能量占比情况。
17.所述的特征提取模块对由下肢震颤信号分析模块输出的时域分析、频域分析和时频域分析的结果进行特征提取，提取出下肢震颤的震颤幅度特征、震颤频率特征、震颤稳定性特征和下肢震颤信号的频段能量占比特征；将上述4种特征进行结合，形成综合特征；将上述5种特征进行归一化处理，使其成为具有统一标准的量化特征，将上述5种量化特征进行可视化处理，生成特征可视化结果并呈现给专家医生。
18.所述的信号分析可视化模块对由下肢震颤信号分析模块输出的时域分析、频域分析和时频域分析结果进行可视化处理，生成信号分析可视化结果并将其呈现给专家医生；专家医生依据已经完成量化分析的特征可视化结果和信号分析可视化结果对受试者双下肢的震颤情况进行基于医学经验诊断，得到基于医学经验的该受试者的震颤存在性诊断结果以及震颤严重程度量化结果，将上述两种结果记为量化诊断结果。
19.所述的特征分析模块由特征数据库和电脑端的特征分析模型组成；其中，模型数
据库中包含多组由专业医生诊断为正常和患病状态受试者的双下肢震颤信号的标准量化特征数据，其中患病状态受试者的双下肢震颤信号的量化特征数据依据其下肢震颤程度被打分为0,1,2,3,4共五种分数；特征分析模块接收到特征数据后，特征分析模型将接收到的双下肢的量化特征数据与特征数据库中的标准量化特征数据进行对比，得到基于量化特征数据的双下肢的震颤存在性诊断结果以及震颤严重程度量化结果，将上述两种结果记为量化诊断结果。
20.所述的数据库更新模块对比量化诊断结果和专家诊断结果，若双方结果一致，则说明特征数据库中的标准量化特征数据已经涵盖了该受试者的量化特征数据，特征数据库无需更新；若双方结果不一致，则说明特征数据库中的标准量化特征数据未涵盖该受试者的量化特征数据，将该受试者的特征数据纳入特征数据库中，对其进行更新。
21.与现有技术相比，本发明具有以下有益的技术效果：
22.本发明采用足底动态变形信号分析受试者的双下肢的静态震颤，该信号通过鞋垫采集，鞋垫贴近足面，容易感受到足底动态变形信号的微小变化，且该信号在受试者无察觉的情况下采集，消除了受试者主观因素对信号准确性的影响；
23.下肢震颤信号提取模块提取出了足底动态变形信号中呈周期性的下肢震颤信号，提升了下肢震颤信号的信噪比和能量占比；
24.下肢震颤信号分析模块通过时域分析、频域分析和时频域分析分别对双下肢震颤信号进行分析，反映出信号的震颤幅值、频率、稳定性及频段能量占比，上述结果与医学上对震颤的严重程度的评价相对应，增加了分析结果的可解释性和可靠性；
25.信号特征提取模块将由下肢震颤分析模块中提取出的特征处理为有统一标准的量化特征，使专家和特征分析模块能基于统一标准进行疾病诊断，有利于保证诊断的稳定性和可靠性；
26.信号分析可视化模块和特征提取模块分别将信号分析结果和特征提取结果进行可视化处理并呈现给专家医生，使专家医生不必自行对信号进行处理，降低了专家医生的工作量的同时保证了信号处理方式的统一性和标准性，使分析结果具有高可靠性；
27.特征分析模块通过特征数据库中的标准量化特征数据与受试者的量化特征数据进行对比的方式对受试者进行量化诊断，得到量化诊断结果，专家医生可通过基于医学经验的诊断方式对系统生成的可视化结果进行诊断，得到专家诊断结果；
28.特征分析模块和专家医生分别从两个角度对受试者进行诊断，诊断结果与医学上对于帕金森病患者的诊断结果相对应，提高了该系统诊断结果的可解释性和可信性，便于医生对患者的后续治疗安排；
29.诊断完成后模型更新模块根据诊断结果判断是否需要将该受试者的量化特征数据纳入特征数据库中对其进行更新，提高了特征数据库对不同身体特征人群的适应性，同时避免冗余数据被纳入数据库中。
附图说明
30.图1为本发明系统框图。
31.图2为单下肢多组健康状态受试者的量化特征可视化结果例图。
32.图3为单下肢多组健康状态受试者下肢震颤信号频段能量占比结果例图。
具体实施方式
33.下面结合实施例和附图对本发明做出详细描述。
34.参照图1，一种无察觉的下肢静止震颤可视化与量化分析系统，包括足底动态变形信号采集模块、下肢震颤信号提取模块、下肢震颤信号分析模块、特征提取模块、信号分析可视化模块、特征分析模块、数据库更新模块；
35.足底动态变形信号采集模块采集受试者无察觉状态下的双下肢的足底动态变形信号；
36.下肢震颤信号提取模块提取足底动态变形信号中呈周期性特性的下肢震颤信号；
37.下肢震颤信号分析模块对提取的下肢震颤信号进行时域分析、频域分析和时频域分析；
38.特征提取模块由时域分析、频域分析和时频域分析结果中提取出具有统一标准的量化特征，并生成特征可视化结果；
39.信号分析可视化模块对时域分析、频域分析和时频域分析结果进行可视化处理，生成信号分析可视化结果；医生可根据信号分析可视化结果和特征可视化结果分别对受试者的双下肢进行更加详细的基于医学经验的诊断，得到专家诊断结果；
40.特征分析模块通过特征数据库中的标准量化特征数据与受试者的量化特征数据进行对比的方式分别对受试者的双下肢进行量化诊断，得到针对受试者双下肢的量化诊断结果；结果输出后，数据库更新模块根据专家诊断结果和量化诊断结果的对比结果，决定是否将该受试者的量化特征数据纳入特征数据库中对其进行更新。
41.所述的足底动态变形信号采集模块集成在鞋垫中，鞋垫上的不同位置设置了多个足底动态变形信号采集点，可采集人体双下肢的多通道足底动态变形信号，足底动态变形信号由足底的压力信号及足底的变形信号耦合而成；由于该模块集成于鞋垫中，因此难以被受试者察觉，可在受试者无察觉的情况下采集到不受主观因素影响的多通道足底动态变形信号，并可通过无线传输的方式将该信号发送至下肢震颤信号提取模块。
42.所述的下肢震颤信号提取模块对人体双下肢的多通道的足底动态变形信号分别进行信号提取，过滤足底动态变形信号中非周期性的由于自然神经波动和晃动产生的噪声干扰，保留周期性的下肢震颤信号，提升下肢震颤信号的信噪比；将提取到的下肢震颤信号发送至下肢震颤信号分析模块。
43.所述的下肢震颤信号分析模块对人体双下肢的下肢震颤信号进行时域分析、频域分析和时频域分析，并将上述分析所得到的结果发送至信号分析可视化模块和特征提取模块；上述分析的结果能反映受试者双下肢静止震颤的震颤幅度、震颤频率和震颤稳定性和下肢震颤信号中各频段能量占比情况。
44.所述的特征提取模块对由下肢震颤信号分析模块输出的时域分析、频域分析和时频域分析的结果进行特征提取，提取出下肢震颤的震颤幅度特征、震颤频率特征、震颤稳定性特征和下肢震颤信号的频段能量占比特征；将上述四种特征进行结合，形成综合特征；将上述5种特征进行归一化处理，使其成为具有统一标准的量化特征，并将上述5种量化特征发送至特征分析模块；将上述5种量化特征进行可视化处理，生成特征可视化结果并呈现给专家医生。
45.所述的信号分析可视化模块对由下肢震颤信号分析模块输出的时域分析、频域分
析和时频域分析结果进行可视化处理，生成信号分析可视化结果并将其呈现给专家医生；专家医生可依据上述已经完成量化分析的特征可视化结果和信号分析可视化结果对受试者双下肢的震颤情况进行基于医学经验诊断，得到基于医学经验的该受试者的震颤存在性诊断结果以及震颤严重程度量化结果，将上述两种结果记为量化诊断结果，对其进行输出。
46.所述的特征分析模块由特征数据库和电脑端的特征分析模型组成；其中，模型数据库中包含多组由专业医生诊断为正常和患病状态受试者的双下肢震颤信号的标准量化特征数据，其中患病状态受试者的双下肢震颤信号的量化特征数据依据其下肢震颤程度被打分为0,1,2,3,4共五种分数；特征分析模块接收到特征数据后，特征分析模型将接收到的双下肢的量化特征数据与特征数据库中的标准量化特征数据进行对比，得到基于量化特征数据的双下肢的震颤存在性诊断结果以及震颤严重程度量化结果，将上述两种结果记为量化诊断结果，对其进行输出。
47.所述的数据库更新模块对比量化诊断结果和专家诊断结果，若双方结果一致，则说明特征数据库中的标准量化特征数据已经涵盖了该受试者的量化特征数据，在此情况下特征数据库无需更新；若双方结果不一致，则说明特征数据库中的标准量化特征数据未涵盖该受试者的量化特征数据，在此情况下需要将该受试者的特征数据纳入特征数据库中，对其进行更新。
48.参照图2，图2为单下肢多组健康状态受试者的特征可视化结果例图，对特征提取模块生成的5种量化特征及其可视化结果进行解释：图2中的特征1、特征2、特征3、特征4分别对应从单下肢震颤信号的时域分析、频域分析和时频域分析结果中提取出的下肢震颤的震颤幅度特征、震颤频率特征、震颤稳定性特征和下肢震颤信号的频段能量占比特征，将上述四种特征进行结合，形成综合特征，即对应图2中的特征5；为使上述五种特征具有统一的标准，将其进行归一化处理。为更完整地表示不同健康状态的受试者的量化特征可视化结果，图2中包含6种不同健康状态受试者的5种量化特征的对比，6种不同健康状态的受试者中包含正常受试者以及5种根据其下肢震颤程度被打分为0、1、2、3、4分的患病状态的受试者。(由于正常受试者与下肢震颤程度打分为0的受试者量化特征数值基本相同，因此图2中将此二者归为一类)，而在本系统实际使用的过程中，将在本图的基础上绘制出本次诊断的受试者的量化特征数据，以便为专业医生提供参考。
49.参照图3，图3为单下肢多组健康状态受试者下肢震颤信号频段能量占比结果例图，该图中的展示的结果所使用的分析方法为功率谱分析，本部分仅以功率谱分析为代表说明本系统数据分析的一种方式，对数据分析结果的可视化进行解释说明；除功率谱分析外，本系统还涵盖了时域分析、频域分析和时频域分析在内的多种数据分析方式。图3中功率谱分析结果能反映出信号中各频段能量占比情况，取1～10hz范围内的信号进行分析，计算不同频段中的信号能量占比情况。由于帕金森病患者的震颤频率集中在4～6hz内，因此患病越严重该范围内的能量占比越高，最后将不同频段能量占比进行可视化处理；如图3所示为6种健康状态的受试者的频段能量占比情况，由于正常受试者与下肢震颤程度评分为0分的受试者健康状态大致相同，因此二者的能量占比情况在图中非常接近，随着下肢震颤程度的严重化，受试者的下肢震颤信号中的4～6hz内的信号能量占比不断提高。

技术特征：
1.一种无察觉的下肢静止震颤可视化与量化分析系统，其特征在于，包括足底动态变形信号采集模块、下肢震颤信号提取模块、下肢震颤信号分析模块、特征提取模块、信号分析可视化模块、特征分析模块、数据库更新模块；足底动态变形信号采集模块采集受试者无察觉状态下的双下肢的足底动态变形信号；下肢震颤信号提取模块提取足底动态变形信号中呈周期性特性的下肢震颤信号；下肢震颤信号分析模块对提取的下肢震颤信号进行时域分析、频域分析和时频域分析；特征提取模块由时域分析、频域分析和时频域分析结果中提取出具有统一标准的量化特征，并生成特征可视化结果；信号分析可视化模块对时域分析、频域分析和时频域分析结果进行可视化处理，生成信号分析可视化结果；医生根据信号分析可视化结果和特征可视化结果分别对受试者的双下肢进行更加详细的基于医学经验的诊断，得到专家诊断结果；特征分析模块通过特征数据库中的标准量化特征数据与受试者的量化特征数据进行对比的方式分别对受试者的双下肢进行量化诊断，得到针对受试者双下肢的量化诊断结果；结果输出后，数据库更新模块根据专家诊断结果和量化诊断结果的对比结果，决定是否将该受试者的量化特征数据纳入特征数据库中对其进行更新。2.根据权利要求1所述的系统，其特征在于：所述的足底动态变形信号采集模块集成在鞋垫中，鞋垫上的不同位置设置了多个足底动态变形信号采集点，采集人体双下肢的多通道足底动态变形信号，足底动态变形信号由足底的压力信号及足底的变形信号耦合而成，通过无线传输的方式进行足底动态变形信号发送。3.根据权利要求1所述的系统，其特征在于：所述的下肢震颤信号提取模块对人体双下肢的多通道的足底动态变形信号分别进行信号提取，过滤足底动态变形信号中非周期性的由于自然神经波动和晃动产生的噪声干扰，保留周期性的下肢震颤信号。4.根据权利要求1所述的系统，其特征在于：所述的下肢震颤信号分析模块对人体双下肢的下肢震颤信号进行时域分析、频域分析和时频域分析，分析结果能反映受试者双下肢静止震颤的震颤幅度、震颤频率和震颤稳定性和下肢震颤信号中各频段能量占比情况。5.根据权利要求1所述的系统，其特征在于：所述的特征提取模块对由下肢震颤信号分析模块输出的时域分析、频域分析和时频域分析的结果进行特征提取，提取出下肢震颤的震颤幅度特征、震颤频率特征、震颤稳定性特征和下肢震颤信号的频段能量占比特征；将上述4种特征进行结合，形成综合特征；将上述5种特征进行归一化处理，使其成为具有统一标准的量化特征，将上述5种量化特征进行可视化处理，生成特征可视化结果并呈现给专家医生。6.根据权利要求1所述的系统，其特征在于：所述的信号分析可视化模块对由下肢震颤信号分析模块输出的时域分析、频域分析和时频域分析结果进行可视化处理，生成信号分析可视化结果并将其呈现给专家医生；专家医生依据已经完成量化分析的特征可视化结果和信号分析可视化结果对受试者双下肢的震颤情况进行基于医学经验诊断，得到基于医学经验的该受试者的震颤存在性诊断结果以及震颤严重程度量化结果，将上述两种结果记为量化诊断结果。7.根据权利要求1所述的系统，其特征在于：所述的特征分析模块由特征数据库和电脑
端的特征分析模型组成；其中，模型数据库中包含多组由专业医生诊断为正常和患病状态受试者的双下肢震颤信号的标准量化特征数据，其中患病状态受试者的双下肢震颤信号的量化特征数据依据其下肢震颤程度被打分为0,1,2,3,4共五种分数；特征分析模块接收到特征数据后，特征分析模型将接收到的双下肢的量化特征数据与特征数据库中的标准量化特征数据进行对比，得到基于量化特征数据的双下肢的震颤存在性诊断结果以及震颤严重程度量化结果，将上述两种结果记为量化诊断结果。8.根据权利要求1所述的系统，其特征在于：所述的数据库更新模块对比量化诊断结果和专家诊断结果，若双方结果一致，则说明特征数据库中的标准量化特征数据已经涵盖了该受试者的量化特征数据，特征数据库无需更新；若双方结果不一致，则说明特征数据库中的标准量化特征数据未涵盖该受试者的量化特征数据，将该受试者的特征数据纳入特征数据库中，对其进行更新。

技术总结
一种无察觉的下肢静止震颤可视化与量化分析系统，包括足底动态变形信号采集模块、下肢震颤信号提取模块、下肢震颤信号分析模块、特征提取模块、信号分析可视化模块、特征分析模块、数据库更新模块；采集患者无察觉状态下的双下肢的足底动态变形信号，提取出下肢震颤信号，对下肢震颤信号分析，提取分析中所包含的量化特征，并进行可视化处理；将数据分析结果可视化处理；两种可视化结果分别由专业医生和特征分析模块诊断，诊断完成后分别输出诊断结果；根据需要对特征数据库进行更新；本发明实现了人体双下肢静止震颤的可视化与量化分析和诊断，提高了诊断的准确和可解释性。提高了诊断的准确和可解释性。提高了诊断的准确和可解释性。


技术研发人员：曹军义 谢俊枭 刘新城 雷亚国 王学欣 赵欢 李良缘
受保护的技术使用者：西安交通大学
技术研发日：2023.07.04
技术公布日：2023/10/11