帕金森病患者运动症状的信号分析及定量诊断方法研究

The quantitative assessment of motor symptoms of Parkinson's disease (PD) remains a big challenge since that Parkinson’s disease was first described in 1817. Motor fluctuations and patients’ physical and mental statuses influence the performance of the parkinsonian motor symptoms. In general, doctors or nurses assess the severity of the motor symptoms and treatment effects based on their experiences because the sensor-based instrumental methods have poor repeatability. With the advantage of nine-axis motion sensor fusion algorithms for high-precision motion tracking, together with the multivariate statistical analysis and estimation theory, the signal characteristics of parkinsonian motor symptoms and their influencing factors are detailed investigated in this project. Thus, mathematical models for the stable quantitative assessment of the four motor symptoms and dyskinesia (side effect of treatments) can be acquired; while the outputs of the mathematical models highly correlated to the judgments of neurologists. The modular quantitative assessment methods are tested by clinical experiments and then their scale coefficients of the mathematical models can be established. This project provides both theory basis and technology foundation for the monitoring devices of parkinsonian motor symptoms.

运动症状的量化检测是帕金森患者病情监测和疗效评估的一个难题。由于帕金森运动症状的波动性及多种干扰因素，现有基于影像和传感器的量化检测方法重复性差，因此其评估主要由神经科医生凭经验和主观判断进行。本项目拟利用九轴运动传感器融合算法进行高精度的运动跟踪，采用多元统计分析和信号估值理论去除各种因素对量化评估结果的影响，以期得到稳定的帕金森病四个主要运动症状和异动症的可重复性量化检测方法。首先对患者执行运动症状规范动作时的运动传感器信号进行联合时频分析，对应于神经科医生对运动症状严重程度的临床评估，通过回归等统计分析建立帕金森病运动症状定量诊断模型。最后通过临床实验得到各个症状数学模型的常系数及患者年龄等因素对测量结果的影响，完善帕金森运动症状信号分析及其定量诊断方法。通过本项目的实施，可实现帕金森运动症状的高可重复性和高精度的定量评估系统，并为帕金森运动症状监测设备奠定理论和技术基础。

运动症状的量化评估是帕金森患者病情监测和疗效评估的一个难题。目前临床上主要由神经科医生根据统一帕金森评分量表和临床经验进行评估，具有较大的主观性，且评估结果具有个体差异性。因此，本项目设计了一套集成帕金森病主要运动症状及异动症检测为一体的可穿戴式量化检测系统，利用九轴运动传感器和压力传感器对帕金森病患者进行运动跟踪，并基于传感器数据分析展开了各个运动症状量化检测算法的研究。. 一、针对高精度人体运动跟踪，本项目开展了九轴融合算法研究及其精度验证实验，选取合适的运动传感器用于可穿戴式量化检测系统；. 二、提出了一种基于线性加速度提取和时频分析的震颤量化评估算法，目前震颤的量化研究大多基于加速度原始数据进行分析，忽略了重力分量的影响，对此本项目采用基于梯度下降法的姿态估计算法提取线性加速度，从而进行时频分析提取震颤特征参数，建立多元回归模型，进一步提升了震颤评估的精度，静止性震颤模型的拟合精度r2从0.89提高到0.95，姿势性震颤模型的拟合参数r2从0.90提高到0.93；. 三、提出了一种基于轴-角表示和SVM多分类的运动迟缓量化评估算法，采用了轴角的姿态表示方法，将三维动作信息转换为一维联合姿态角表，从中提取运动迟缓特征参数训练SVM多分类算法，实现不同病情等级的客观分类，临床试验结果显示该方法具有95.349%的分类精度；. 四、提出了一种基于机械阻抗测量的肌强直量化评估算法，利用基于多传感器机械测量装置采集帕金森病患者肘关节运动状态信息和生物力学信息，从中提取多个量化特征参数，并进行了统计分析验证，寻找优选的量化参数，试验结果显示，肘关节被动运动时的机械阻抗值与UPDRS肌强直症状评分具有高度相关性（Pearson相关系数r=0.872）。. 五、系统性地开展用于人体运动跟踪的永磁体定位跟踪技术、交变电磁定位跟踪技术、惯性定位跟踪技术、光学定位跟踪技术，其中永磁体定位跟踪技术达到国际先进水平（0.7mm,1.22°），光学定位跟踪技术（0.3mm@1立方米）获得2篇IEEE最佳会议论文。