基于MEMS惯性传感器网络的帕金森病姿态监控和评估技术

Parkinson's disease (PD) is the second most common neurodegenerative disease in the general population. Functional motor impairment caused by Parkinson's disease and other movement disorders is currently measured with rating scales such as the Unified Parkinson's Disease Rating Scale (UPDRS). Physical examination, interviews with patients and the results of rating scales for movement disturbances are the basis for the assessment of Parkinson's disease (PD). However, subjectivity in the assessment of the symptoms and the short .period of observation are disadvantageous. We have designed a new measurement system consisting of four independent, lightweight, autonomous sensing units based on MEMS inertial sensors that can continuously record body movements during daily life.In order to record body movements and alarm when some accidents like "falling" happens, a new classification algorithm are proposed to classify basic body daily posture allocaions. The ambulatory monitoring system that provides a complete motor assessment by simultaneously analyzing current motor activity of the patient and the severity of many aspects related to tremor, bradykinesia, and hypokinesia are proposed. A new PD motor assessment system are designed, and the combined analysis of motor activity and symptom severity by our PD monitor brings true ambulatory monitoring of a wide variety of motor symptoms one step closer.

帕金森病(Parkinson disease,PD)是一种常见的神经系统变性疾病，发病率高居世界第二。目前，衡量帕金森病人的患病类型和严重程度的方法主要依靠医生评分，评估的准确程度仍然依赖于医生的经验和主观判断，缺乏量化指标。基于此，本项目构建出基于MEMS惯性传感器网络帕金森姿态监控和评估系统。为了实现对帕金森病人的姿态监控，并在病人发生"跌倒"等意外时报警，提出一种新的行为检测和分类器算法，对人日常生活的行为动作进行正确的分类。为了实现对帕金森病震颤、运动徐缓和运动功能障碍定量评估，拟提取帕金森病运动症状相关参数，建立一种新的帕金森症状评估系统，将被测对象的日常行为与帕金森病运动症状严重性的分析相结合，实现在被测对象日常活动中对帕金森运动症状进行全面、客观的评估。该系统不仅可用于实现帕金森症的临床诊断，也可为帕金森患者提供准确、有效的治疗效果反馈。

帕金森病目前缺乏客观评估标准，仍在医患交流的基础上依靠医生的主观评分。随着老龄化社会的到来，“独居”老人日益增多，每年约有1/3的65岁老年人至少跌倒一次，其中近半数为再次发生的跌倒，并且比例随着年龄增长而增加，跌倒后往往造成严重创伤，降低老年人活动能力，并可能导致严重的心理和社会后果，及时救助跌倒的老年人将大大降低伤残率和死亡率。对活动受限或罹患帕金森病的老年人来说，对他们的日常生活进行监控的同时保护他们的隐私变为尤为重要。基于此，本项目构基于无线网络和MEMS惯性传感器的帕金森姿态监控和评估系统，以实现对帕金森病人的姿态监控，并在病人发生“跌倒”等意外时报警。本项目分析了影响MEMS陀螺零偏稳定性的关键因素，建立了接口模型，提高了陀螺的零偏稳定性，在±500°/s的量程下零偏稳定性达到了10°/h以下，减小了陀螺零漂在长时间佩戴时造成的人体姿态提取阈值变化的影响，提高了人体姿态检测的准确度。同时，为了更好的分析人体的休息性和动作性震颤，本项目构建了加速度计振荡器系统的相位噪声模型，提高了加速度计的零偏稳定性和分辨率，零偏稳定性达到65μg，分辨率为59.26ug，达到了国内领先水平，提高了人体震颤动作的识别率。在上述研究的基础上，提出一种新的行为检测和分类器算法，对人日常生活的行为动作进行正确的分类，对“走”、“站立”、“坐”、“跌倒”、“平躺”动作分类的敏感度为99%、95.1%、99.3%、95.3% 和100%，上述动作的特异性分比为99.5%、96.5%、99.7%、97.1%、100%。对休息性震颤和动作性震颤进行了分类检测，识别率均为86.7%。建立了一种新的帕金森症状评估系统，将被测对象的日常行为与帕金森病运动症状严重性的分析相结合，实现在被测对象日常生活的自由活动中对帕金森运动症状进行全面、客观的评估。该系统可为临床使用和研究提供可靠的测量数据，也可对活动受限老年人的活动进行监控，保证他们的生活质量。