| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 引言 | 第13-16页 |
| 1.1.1 帕金森病简介 | 第13-14页 |
| 1.1.2 帕金森病的主要症状 | 第14-16页 |
| 1.1.3 帕金森病的病情分级 | 第16页 |
| 1.2 研究背景与意义 | 第16-19页 |
| 1.2.1 PD患者运动障碍的客观量化评估 | 第16-18页 |
| 1.2.2 PD患者步态障碍的客观量化评估 | 第18-19页 |
| 1.3 国内外研究现状 | 第19-21页 |
| 1.4 本文的研究内容与章节安排 | 第21-25页 |
| 第二章 U型电子步道系统设计与实现 | 第25-51页 |
| 2.1 引言 | 第25-30页 |
| 2.1.1 步态的运动生物力学描述 | 第25-29页 |
| 2.1.2 帕金森病患者步态障碍定量检测系统需求分析 | 第29-30页 |
| 2.2 系统总体设计 | 第30-31页 |
| 2.3 系统硬件平台设计与实现 | 第31-42页 |
| 2.3.1 基于柔性阵列力敏传感技术的电子步道系统设计 | 第31-39页 |
| 2.3.2 基于三维测力平台的电子步道系统设计 | 第39页 |
| 2.3.3 U型电子步道系统设计与实现 | 第39-42页 |
| 2.4 系统软件平台设计与实现 | 第42-50页 |
| 2.4.1 UI设计与实现 | 第42-43页 |
| 2.4.2 受试者信息管理模块 | 第43-45页 |
| 2.4.3 步态信息实时采集与显示模块 | 第45-48页 |
| 2.4.4 步态信息回放与分析模块 | 第48-50页 |
| 2.5 本章小结 | 第50-51页 |
| 第三章 步态运动学与动力学数据采集与处理 | 第51-75页 |
| 3.1 步态数据采集 | 第51-52页 |
| 3.2 步态运动学数据处理 | 第52-68页 |
| 3.2.1 足底压力分布数据聚类与足印分割 | 第53-59页 |
| 3.2.2 足印动态识别 | 第59-63页 |
| 3.2.3 步态运动学特征参数提取 | 第63-67页 |
| 3.2.4 弯道步态特征提取 | 第67-68页 |
| 3.3 步态动力学数据处理 | 第68-69页 |
| 3.4 步态数据消除身高与体重的差异性处理 | 第69页 |
| 3.5 步态数据归一化处理 | 第69-71页 |
| 3.6 步态数据有效性验证 | 第71-73页 |
| 3.6.1 数据重复性验证方法 | 第71-72页 |
| 3.6.2 数据重复性的验证结果 | 第72-73页 |
| 3.7 本章小结 | 第73-75页 |
| 第四章 帕金森病患者步态障碍量化分级评估方法研究 | 第75-123页 |
| 4.1 研究对象选择与样本收集 | 第75-80页 |
| 4.1.1 研究对象来源与组成 | 第75-76页 |
| 4.1.2 帕金森病患者入组标准 | 第76-78页 |
| 4.1.3 样本收集方法 | 第78-80页 |
| 4.2 PD患者静态和动态足底分区压力对比分析 | 第80-85页 |
| 4.2.1 静态站立时足底分区压力测量结果统计 | 第81-82页 |
| 4.2.2 动态行走过程中足底分区压力测量结果统计 | 第82-84页 |
| 4.2.3 静态与动态测试时足底分区压力测量结果对比分析 | 第84-85页 |
| 4.3 PD患者步态的运动学和动力学参数统计分析 | 第85-89页 |
| 4.3.1 步态运动学参数统计分析 | 第85-88页 |
| 4.3.2 步态动力学参数统计分析 | 第88-89页 |
| 4.4 PD患者步态的对称性与双边协调性评估 | 第89-94页 |
| 4.4.1 步态对称性与双边协调性评估指数 | 第89-91页 |
| 4.4.2 三组受试者的评估指数统计结果及分析讨论 | 第91-94页 |
| 4.5 PD患者步态的非线性特征分析 | 第94-106页 |
| 4.5.1 非线性特征分析方法 | 第94-100页 |
| 4.5.2 三组受试者的DFA统计结果及分析讨论 | 第100-102页 |
| 4.5.3 三组受试者的DCCA统计结果及分析讨论 | 第102-104页 |
| 4.5.4 三组受试者的ShannonEn与ApEn统计结果及分析讨论 | 第104-106页 |
| 4.6 PD患者步态障碍的量化分级研究 | 第106-120页 |
| 4.6.1 基础理论 | 第106-113页 |
| 4.6.2 医师量表评分的可靠性验证 | 第113-114页 |
| 4.6.3 量表评分与步态特征参数的相关性分析 | 第114-116页 |
| 4.6.4 步态障碍的量化分级模型构建 | 第116-119页 |
| 4.6.5 量化分级模型验证 | 第119-120页 |
| 4.7 本章小结 | 第120-123页 |
| 第五章 帕金森病患者步态识别与评估方法研究 | 第123-139页 |
| 5.1 帕金森病患者步态信号识别流程 | 第123-124页 |
| 5.2 帕金森病患者步态信号识别算法 | 第124-129页 |
| 5.2.1 k-近邻算法 | 第125-127页 |
| 5.2.2 朴素贝叶斯算法 | 第127-128页 |
| 5.2.3 代价敏感支持向量机 | 第128-129页 |
| 5.3 算法识别模型的性能评价指标 | 第129-131页 |
| 5.4 算法识别结果及讨论 | 第131-136页 |
| 5.4.1 转弯特征选择对识别模型的影响 | 第131-134页 |
| 5.4.2 消除身高与体重差异性对步态特征影响 | 第134-135页 |
| 5.4.3 非平衡样本对识别模型分类精度的影响 | 第135-136页 |
| 5.5 本章小结 | 第136-139页 |
| 第六章 总结与展望 | 第139-141页 |
| 6.1 本文主要工作总结 | 第139-140页 |
| 6.2 下一步工作展望 | 第140-141页 |
| 参考文献 | 第141-147页 |
| 致谢 | 第147-149页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第149-151页 |
