研究目的
研究将小波技术应用于步态信号,利用Kinect摄像头自动分类帕金森病(PD)患者和健康受试者站立相与摆动相的可行性。
研究成果
研究表明,与临床判断相比,小波分解能利用Kinect RGB-D传感器以93%的准确率自动检测步态相位并分析步态。该方法为帕金森病患者提供了快速、低复杂度的步态分析手段,支持其在远程医疗场景中的应用。
研究不足
该研究基于小样本量(12名志愿者)开展。步态相位分类的准确性可能因人群多样性或规模扩大而产生变化。该方法需通过与其他动作捕捉系统进行比对以进一步验证。
1:实验设计与方法选择:
本研究采用Kinect RGB-D传感器采集步态信号,并运用基于小波的数字信号处理技术自动分类步态相位。
2:样本选择与数据来源:
12名志愿者参与实验(含6名帕金森病患者和6名健康受试者),在走廊环境中使用Kinect传感器采集步态信号。
3:实验设备与材料清单:
微软Kinect传感器及MATLAB信号处理软件。
4:实验流程与操作步骤:
志愿者向Kinect传感器行走三次,通过骨骼框架定位关节位置(重点监测踝关节),并应用小波变换对信号进行步态相位分类。
5:数据分析方法:
通过汉明距离指标对比自动分类步态相位与临床专家判断,评估小波分解的准确性。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容