基于足地反作用力的帕金森病患者步态量化分析研究
| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 本文研究的背景和意义 | 第10-12页 |
| 1.2 本文研究的国内外现状 | 第12-14页 |
| 1.2.1 基于非步态特征的帕金森病研究现状 | 第12-13页 |
| 1.2.2 基于步态特征的帕金森病研究现状 | 第13-14页 |
| 1.3 本文的主要工作和章节安排 | 第14-16页 |
| 第二章 足地反作用力采集分析系统 | 第16-25页 |
| 2.1 需求分析 | 第16页 |
| 2.2 系统硬件平台 | 第16-19页 |
| 2.3 系统软件平台 | 第19-24页 |
| 2.3.1 数据采集处理模块 | 第20-21页 |
| 2.3.2 数据回放和分析模块 | 第21-22页 |
| 2.3.3 数据库管理模块 | 第22-23页 |
| 2.3.4 软件操作基本流程 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于足地反作用力的步态特征提取 | 第25-31页 |
| 3.1 非线性理论简述 | 第25页 |
| 3.2 去趋势波动分析 | 第25-27页 |
| 3.3 重复周期密度熵 | 第27-29页 |
| 3.4 传统时域特征 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 帕金森病患者步态的非线性特征分析 | 第31-41页 |
| 4.1 步态数据采集 | 第31-33页 |
| 4.2 去趋势波动特征分析 | 第33-35页 |
| 4.3 重复周期性特征分析 | 第35-36页 |
| 4.4 相关性分析 | 第36-40页 |
| 4.4.1 传统时域特征分析 | 第36-37页 |
| 4.4.2 相关性系数 | 第37-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 基于步态特征的帕金森病患者辨识 | 第41-54页 |
| 5.1 模式分类基础 | 第41-44页 |
| 5.1.1 有监督学习和无监督学习 | 第41-42页 |
| 5.1.2 辨识分类的基本流程和数据预处理 | 第42-43页 |
| 5.1.3 基于逐步回归分析的步态特征选择 | 第43-44页 |
| 5.2 帕金森病患者辨识的分类算法 | 第44-48页 |
| 5.2.1 支持向量机算法 | 第44-46页 |
| 5.2.2 近邻算法KNN | 第46-47页 |
| 5.2.3 分类器的性能评价指标 | 第47-48页 |
| 5.3 本章实验 | 第48-53页 |
| 5.3.1 正常对照组和帕金森病患者的辨识测试 | 第48-51页 |
| 5.3.2 分类效果对比实验 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-57页 |
| 6.1 全文主要工作总结 | 第54-55页 |
| 6.2 论文中的创新点 | 第55页 |
| 6.3 下一步的工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第62页 |
