基于惯性传感器的帕金森病上肢运动障碍量化评估方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 帕金森病简介 | 第11页 |
| 1.2 帕金森病的主要症状 | 第11-12页 |
| 1.3 常用的临床评估方法 | 第12-13页 |
| 1.4 运动障碍客观量化评估的研究现状 | 第13-14页 |
| 1.5 本文研究内容与组织结构 | 第14-17页 |
| 1.5.1 研究内容 | 第14-15页 |
| 1.5.2 组织结构 | 第15-17页 |
| 第2章 帕金森病上肢运动障碍量化评估体系构建 | 第17-26页 |
| 2.1 上肢运动障碍症状与临床评估 | 第17-18页 |
| 2.2 惯性传感器在运动障碍评估中的应用 | 第18-24页 |
| 2.3 上肢运动障碍量化评估体系的构建 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 运动障碍信号的获取与处理 | 第26-45页 |
| 3.1 运动信号采集系统设计 | 第26-31页 |
| 3.1.1 系统总体设计 | 第26-27页 |
| 3.1.2 硬件设计 | 第27-30页 |
| 3.1.3 软件设计 | 第30-31页 |
| 3.2 运动障碍数据库的建立 | 第31-34页 |
| 3.2.1 受试者信息 | 第31-32页 |
| 3.2.2 临床测试流程 | 第32-33页 |
| 3.2.3 数据文件格式 | 第33-34页 |
| 3.3 运动信号的预处理 | 第34-35页 |
| 3.3.1 信号去噪 | 第34页 |
| 3.3.2 功率谱估计 | 第34-35页 |
| 3.4 基于希尔伯特-黄变换的震颤成分分离 | 第35-44页 |
| 3.4.1 研究对象 | 第35-37页 |
| 3.4.2 基于线性低通滤波的算法 | 第37页 |
| 3.4.3 基于希尔伯特-黄变换的算法 | 第37-38页 |
| 3.4.4 模态选择 | 第38-40页 |
| 3.4.5 两种算法的比较 | 第40-43页 |
| 3.4.6 讨论 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 上肢运动障碍的量化评估方法 | 第45-73页 |
| 4.1 总体思路 | 第45-46页 |
| 4.2 信号分析与特征提取 | 第46-68页 |
| 4.2.1 震颤信号的时域和频域特征 | 第46-53页 |
| 4.2.2 运动迟缓信号的时域和频域特征 | 第53-63页 |
| 4.2.3 基于两种熵特征的手指动作规律性分析 | 第63-68页 |
| 4.3 PCA降维算法 | 第68-69页 |
| 4.4 基于多类SVM的分级评估方法 | 第69-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第5章 实验验证与分析 | 第73-89页 |
| 5.1 上肢震颤分级评估实验 | 第73-76页 |
| 5.1.1 实验方法 | 第73-74页 |
| 5.1.2 实验结果与分析 | 第74-76页 |
| 5.2 上肢运动迟缓分级评估实验一 | 第76-78页 |
| 5.2.1 实验方法 | 第76-77页 |
| 5.2.2 实验结果与分析 | 第77-78页 |
| 5.3 上肢运动迟缓分级评估实验二 | 第78-83页 |
| 5.3.1 实验方法 | 第78-81页 |
| 5.3.2 实验结果与分析 | 第81-83页 |
| 5.4 上肢运动障碍的综合评估 | 第83-88页 |
| 5.4.1 实验方法 | 第83-84页 |
| 5.4.2 实验结果与分析 | 第84-88页 |
| 5.5 本章小结 | 第88-89页 |
| 第6章 总结与展望 | 第89-92页 |
| 6.1 研究工作总结 | 第89-90页 |
| 6.2 本文主要创新点 | 第90页 |
| 6.3 未来研究工作展望 | 第90-92页 |
| 参考文献 | 第92-100页 |
| 附录 | 第100-102页 |
| 致谢 | 第102-103页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第103-104页 |
