买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明公开了一种用于偏瘫患者肢体功能障碍自动评估方法，首先对临床常用的偏瘫患者肢体功能障碍评估量表和查体信息进行筛选和数字化处理，构建特征集；其次，提出以Brunnstrom量表作为偏瘫患者肢体功能障碍评估的导师监督信号；之后，使用FisherScore方法对特征集进行筛选，获得优化特征组合；最后，构建支持向量机模型，实现对偏瘫患者手、上肢、下肢功能障碍程度的自动判别。该方法首次提出利用支持向量机融合肢体功能障碍量表及行为特征，实现对偏瘫患者肢体功能严重程度的综合评估。具有操作简便、评估准确率高、易于临床、社区使用和推广等诸多优势。

主权项：1.一种用于偏瘫患者肢体功能障碍自动评估方法，其特征在于，具体实现步骤如下：步骤一：基于患者多方位的量表和查体数据，筛选出与肢体运动功能相关性强的量表和查体数据；步骤二：将筛选出的量表、查体数据中的非数字信息进行数字化处理，构成特征集；步骤三：对特征进行归一化处理；步骤四：将特征按照与手、上肢、下肢的相关度进行特征分组，把特征集划分为手、上肢和下肢相关的特征子集，分别用于对手、上肢和下肢的评估；步骤五：使用FisherScore算法对所有特征进行筛选，降低特征冗余，确定最优的特征组合；步骤六：以机器学习中的支持向量机构建评估模型，以Brunnstrom量表的障碍等级划分作为模型的监督信号；步骤七：通过模型参数寻优及SVM模型训练，完成肢体功能障碍评估模型构建；随后，通过将模型所需的偏瘫患者个性特征输入模型，即可实现对患者肢体功能障碍严重程度的评估；步骤一中所述患者多方位的量表和查体数据包括：ADL量表，MRMI量表、Berg量表、Bobath平衡量表、Brunnstrom运动功能量表、肩肘腕手髋膝踝足8关节以及上下肢的肌力和肌张力；步骤四具体实现的方法是：确定特征与手、上肢和下肢的相关程度，并以此为据将量表和查体数据特征分别纳入手部特征集、上肢特征集和下肢特征集，结果如下：手部特征集包括：手关节肌力、手关节肌张力、ADL量表手相关部分、MRMI量表手相关部分；其中，ADL量表手相关部分是指ADL量表中的进食、修饰、穿衣、洗澡项目；MRMI量表手相关部分是指MRMI量表中的修饰、穿衣、洗澡项目；上肢特征集包括：上肢整体肌力、上肢整体肌张力、肩肘腕手4个关节的肌力和肌张力、ADL量表上肢相关部分、MRMI量表上肢相关部分；其中，ADL量表上肢相关部分是指ADL量表中的进食、床椅转移、上厕所、修饰、穿衣、洗澡项目；MRMI量表上肢相关部分是指MRMI量表中的床上翻身、床椅转移、修饰、穿衣、洗澡项目；下肢特征集包括：下肢整体肌力、下肢整体肌张力、髋膝踝足4个关节的肌力和肌张力、Berg量表、Bobath平衡量表、ADL量表下肢相关部分、MRMI量表下肢相关部分；其中，ADL量表下肢相关部分是指ADL量表中的行走、上下楼梯、床椅转移、上厕所、控制大便、洗澡、控制小便项目；MRMI量表下肢相关部分是指MRMI量表中的行走、床椅转移、上下楼梯、洗澡项目、控制小便；步骤五具体的实现的方法是：使用FisherScore算法进行特征筛选，消除特征集中的冗余特征，确定灵敏反映手、上肢、下肢功能的优化特征子集；一个数据集中单个特征得分值FS计算公式为： 式中，c表示数据集的类别个数，为第i类样本的个数，和分别为第i类数据集中第n个特征的均值及标准差，表示整个数据集中第n个特征的均值，为第n个特征的得分值；得分值越高，特征在不同类别之间的差异性越大，在同一类别中差异性越小，特征越重要；根据FS值降序排列所有特征，将与分类正确率最高时所对应的特征组合作为最优特征子集。

全文数据：

权利要求：

百度查询： 西安交通大学 一种用于偏瘫患者肢体功能障碍自动评估的方法