摘要 : 本文利用微软公司研发的体感周边外设(Kinect)获取偏瘫患者的步行轨迹数据,在此基础上实现了偏瘫步态的自动识别,并对识别特征的重要性进行了排序.首先,研究设立了试验组和对照组,两组受试者按要求分别完成规定的范式动作,经由Kinect实时获取受试者的... 展开 本文利用微软公司研发的体感周边外设(Kinect)获取偏瘫患者的步行轨迹数据,在此基础上实现了偏瘫步态的自动识别,并对识别特征的重要性进行了排序.首先,研究设立了试验组和对照组,两组受试者按要求分别完成规定的范式动作,经由Kinect实时获取受试者的步行轨迹数据.从获取的数据中可提取步态识别特征:步速、步幅、质心的移动范围(上下和左右方向).然后,利用贝叶斯分类算法对这些特征构成的样本集进行分类学习,实现偏瘫步态的自动识别.最后,利用随机森林算法确定每个特征的重要性,通过对每个特征的重要性进行排序,可为病情诊断提供参考.本文研究结果表明,基于贝叶斯算法的分类准确率为96％;使用随机森林算法确定的特征重要性排序为步速、步幅、质心左右偏移距离、质心上下偏移距离,而步速与步幅、步速与质心左右偏移距离的组合是偏瘫步态分析诊断的重要依据.本文研究结果或可为偏瘫步态的智能诊断提供新的思路和参考. 收起